登录后绑定QQ、微信即可实现信息互通
命名实体识别（Named Entity Recognition，NER）是NLP中一项非常基础的任务。NER是信息提取、问答系统、句法分析、机器翻译等众多NLP任务的重要基础工具。 上一期我们介绍了NER的基本概念，大致介绍了NER常用的模型。本期我们详细介绍目前NER最常..
文/编辑 | 小Dream哥 星球开设的必要性 时间过的很快，转眼在有三AI开设NLP专栏已经2个月了。是时候总结下了，我们的NLP专栏按计划更新了NLP中用的常用的机器学习模型，深度学习特征抽取器从RNN讲到了Transformer，马上就要更新BERT。基本上聊..
本篇介绍目前NLP领域的“网红”特征抽取器Transformer。首先，作为引子，引入 Transformer是什么的问题；接着，详细介绍了Transformer的结构和其内部的机制；最后，再总结Transformer的本质和定义。 作者&编辑 | 小Dream哥 1 Transformer是什么？..
事物、概念之间的关系是人类知识中非常重要的一个部分，但是他们通常隐藏在海量的非结构文本中。为了从文本中抽取这些关系事实，从早期的模式匹配到近年的神经网络，大量的研究在多年前就已经展开。 然而，随着互联网的爆炸发展，人类的知识也随之..
本篇介绍目前NLP领域里影响力最大的预训练模型BERT。首先，大致介绍了BERT里有什么；接着，介绍了BERT的结构和其预训练的方式；最后，再总结BERT的表征的内容和分布。 作者&编辑 | 小Dream哥 1 BERT是什么？了解自然语言处理的同学，应该没有不知..
前面介绍过BERT，作为一种非常成功的预训练模型，取得了非常不错的成绩，那么，他还有改进的空间吗？ 本文介绍BERT的改进版，XLnet。看看它用了什么方法，改进了BERT的哪些弱点。 作者&编辑 | 小Dream哥 1 为什么要有XLnet?要理解XLnet，我们先回..
信息抽取 （Information Extraction: IE）是把文本里包含的信息进行结构化处理，变成计算机能够处理的结构，实体抽取、关系抽取、事件抽取等都属于信息抽取的范畴。在NLP领域，信息抽取的应用场景十分的广泛，是一个非常重要的基础任务。 作者&编..
实战是学习一门技术最好的方式，也是深入了解一门技术唯一的方式。因此，NLP专栏计划推出一个实战专栏，让有兴趣的同学在看文章之余也可以自动动手试一试。 本篇介绍如何基于tensorflow快速搭建一个基于seq2seq框架的聊天机器人。 作者&编辑 | 小..
提出你的第一个问题
回答一个你擅长的问题
对内容进行点赞或者收藏
阅读声望与权限的规范
完善个人资料
