NLP&NLU - 专题

投稿

NLP&NLU

收录了88篇文章 · 28人关注

NLP（三十）利用ALBERT和机器学习来做文本分类
本文的灵感来自于A Visual Guide to Using BERT for the First Time，其作者为Jay Alamma...

0.1 山阴少年 2 4 1
通俗理解label smoothing 标签平滑实例
问题背景对于分类问题，尤其是多类别分类问题中，常常把类别向量做成one-hot vector(独热向量)。简单地说，就是对于多分类向量，计算...

0.1 top_小酱油 0 1

利用Word2vec生成句向量（二）
在之前的文章《利用Word2vec生成句向量（一）》中，介绍了两种句向量的生成方法，本文将介绍一种号称"简单却具有一定竞争力"的句向量表示方法：...

菜菜鑫 6 4
跟着代码理解BERT中的优化器AdamW（AdamWeightDecayOptimizer）
引言最近依旧在做命名实体识别的任务，一直在想如何能在保证效率的前提下，提升BERT+BiLSTM+CRF这个主流模型的准确率。“ 达观杯 ”的...

0.3 菜菜鑫 0 9
命名实体识别不只有BiLSTM+CRF
最近做命名实体识别（NER）的任务比较多，也刚刚接触NER不久，做一下小小的总结。近两年中文命名实体识别在信息抽取和关系抽取上的应用受到了研究人...

0.3 菜菜鑫 4 5
《Named Entity Recognition with Bidirectional LSTM-CNNs》阅读笔记
Collobert等提出一个有效的神经网络模型，只需要little feature engineering而不是在大量的unlabelled t...

0.1 best___me 0 2
NLP中数据增强的综述大全
与计算机视觉中使用图像进行数据增强不同，NLP中文本数据增强是非常罕见的。这是因为图像的一些简单操作，如将图像旋转或将其转换为灰度，并不会改变其...

0.3 top_小酱油 0 4

最通俗易懂的解说viterbi维特比算法！
这篇回答你绝对看得懂！如下图，假如你从S和E之间找一条最短的路径，除了遍历完所有路径，还有什么更好的方法？答案：viterbi (维特比)算法...

0.3 top_小酱油 2 4
（四）序列标注——实体识别BERT-BLSTM-CRF（下）
前面说的是ner的经典算法以及今年的一些比较好的工作，最近bert模型刷新了NLP的绝大部分任务，可谓是一夜之间火爆了整个NLP界，这里我简单记...

0.6 天生smile 15 26 1
（四）序列标注——实体识别LSTM-CRF（上）
在做这个任务的时候是17年的9月份，当时是在一家金融公司实习做基于大量金融数据（年报，研报）的中文实体识别任务，用的模型就是LSTM-C...

2.7 天生smile 11 41