zhangningyu1690
zhangningyu1690_个人页
zhangningyu1690
文章
5
问答
0
视频
0
个人介绍
暂无个人介绍
擅长的技术
-
发表了文章 2020-07-10
BERT等预训练模型实践浅析
##1.背景 近期，在NLP领域预训练模型受到了越来越多的关注。从ELMo到BERT，预训练模型在不同的NLP问题取得了很好的效果。本文参考To Tune or Not to Tune? Adapting Pretrained Representations to Diverse Tasks论文， 针对预训练模型BERT/EMLo，分析其在实际问题中的使用方式。 ##2.怎么用BERT
-
发表了文章 2019-12-31
Rethinking Information Extraction ：信息抽取的现状与未来
##引言 从计算到感知再到认知是业内学者都认同的人工智能技术发展路径。机器具备认知智能，进而实现推理、规划乃至联想和创作，在一定程度上需要一个充满知识的大脑，而信息抽取是获取知识的重要途径之一。 在具体的业务场景如搜索推荐，结构化的领域知识有利于实现细粒度文本理解，有利于实现精准的复杂问答，有利于
-
发表了文章 2019-12-31
从感知到认知：浅谈知识赋能自然语言处理
##引言 例子1：我用**小号**试探男友，他上当了。 例子2 奥巴马是美国__ 机器真的能理解**小号**是什么意思吗，机器真的能预测出奥巴马是美国**前总统**吗？事实上，自然语言具有创新性、递归性、多义性、主观性、社会性等特点，数据驱动的模型由于缺乏结构化的知识，在很多场景会闹出大笑话。从感知到认知是机器具备认知智能，进而实现推理、规划乃至联想和创作，在一定程度上需要一
-
发表了文章 2019-05-05
长文本表示学习概述
摘要: "**如果**你愿意一层一层的剥开我的心·································**那么**你会坐牢的我跟你说"。自然语言就是这么神奇，句子中的长距离特征对于理解语义也非常关键，本文基于Tranformer、RNN、CNN、TCN分别概述近期学界对长句表示学习的诸多方法。 ## 1.长文本表示学习挑战 NLP任务的特点和图像有极大的不同，上图展示了
-
发表了文章 2019-04-25
通用句子向量漫谈
句子向量漫谈 # 背景 近期业务需要使用文本上下文语义特征，而将文本进行编码和表征是NLP最核心的技术之一，于是调研了表征文本的相关技术，总结如下, 以飨后人。 ## 混沌未开 在word2vec诞生之前，NLP中并没有一个统一的方法去表示一段文本。
暂无更多信息
-
发表了文章
2020-07-10
BERT等预训练模型实践浅析
-
发表了文章
2019-12-31
Rethinking Information Extraction ：信息抽取的现状与未来
-
发表了文章
2019-12-31
从感知到认知：浅谈知识赋能自然语言处理
-
发表了文章
2019-05-05
长文本表示学习概述
-
发表了文章
2019-04-25
通用句子向量漫谈
滑动查看更多
暂无更多信息
暂无更多信息