@arya_hui 我是学生好吧 代码在github上有，自学的
（六）金融知识图谱——基于中财网的图谱搭建（下）这个部分主要梳理下我的图谱的制作过程。 1.数据来源：中彩网 1.首先我们要分析我们要爬取哪些内容。上面这个是一个主页，一共74页，全都是上市公司，点进其中一个公司看看：...
发简信
IP属地：湖北
-
-
@xman78 手动点赞
（六）金融知识图谱——基于中财网的图谱搭建（上）
前面介绍了实体识别和关系抽取，之前在学习的时候是基于公司的实习项目在学，只知道这两者是为抽取结构化数据做辅助的，看着公司的人一步步把图谱建立起来，很厉害，于是，后面就准备自...
-
@HIT_Owen 是自定义模板库，答案配合图谱和模板一起生成
（七）图谱搜索——利用AIML进行图谱问答（下）
在上一篇文章中，我简单的叙述了下人机交互的基本内容以及人机交互中涉及到的NLP技术，接下来的文章中，我将侧重于实践部分，本篇文章将从一个简单的DEMO（其实也不是那么简单）—...
-
@xuanzebi 最近忙着面试，还没时间整理哈
（五）实体关系抽取（上）
实体关系抽取是我之前在做完NER后的开始follow的一个方向，其实也是基于一定的需求去做的，例如在知识图谱中，不仅包含着实体，还包含着实体之间的关系，总而言之，实体识别（N...
-
哈哈
（六）金融知识图谱——基于中财网的图谱搭建（上）
前面介绍了实体识别和关系抽取，之前在学习的时候是基于公司的实习项目在学，只知道这两者是为抽取结构化数据做辅助的，看着公司的人一步步把图谱建立起来，很厉害，于是，后面就准备自...
-
-
@张岳升 我只能讲下我了解的哈，生成式的QA是学术上的热点，工业上比较难落地
（七）图谱搜索——利用AIML进行图谱问答（下）
在上一篇文章中，我简单的叙述了下人机交互的基本内容以及人机交互中涉及到的NLP技术，接下来的文章中，我将侧重于实践部分，本篇文章将从一个简单的DEMO（其实也不是那么简单）—...
-
@志威_d2cc 我贴出来了，在下篇文章的结尾就是的，ner代码都在一起
（四）序列标注——实体识别Lattice-LSTM（中）
[if !vml] [endif] 上篇文章简单总结下经典的序列lstm-crf模型，接下来follow两篇2018最新的有关的文章。 1.NCRF++: An Open-s...
-
（十）语音情感识别项目实战（上）写这篇博客的时候正好在和某公司做一个语音情感识别相关的项目，所以距离上次更新微博也有好久了，但还是按照之前设定的计划把这块内容梳理下。主要是Follow下近几年的文章，代码方...
-
（八）sequence to sequence —6
最后一关： Encoder：多层双向lstm Attention机制 decoder：动态实现bi-directional_dynamic_rnn 基于tensorflow1...
-
（八）sequence to sequence —5
实现多层双向的dynamic_lstm+beam_search 基于tensorflow1.4 Seq2seq的实现 encoder使用的两层双向的LSTM，注意multi_...
-
（八）sequence to sequence —3
实现beam_search部分 基于tensorflow1.4 Seq2seq的实现 1.使用seq2seq库实现seq2seq模型 1. 计算图的数据的placeholde...
-
（八）sequence to sequence —4实现双向的dynamic_lstm+beam_search 基于tensorflow1.4 Seq2seq的实现 encoder使用的是双向的LSTM 1.使用seq2seq...
-
（八）sequence to sequence —2实现softmax_loss_function部分 基于tensorflow1.4 Seq2seq的实现 1.使用seq2seq库实现seq2seq模型（encoder 部分...
-
（八）sequence to sequence —1
这个系列网上的教程实在太多，所以我准备采用代码和理论相结合的方式，详细代码请点击我的github，基于python3.6和tensorflow1.4完成。数据都是合成数据，即...
-
（九）再谈embedding——bert详解（实战）下前面两篇分别梳理了下BERT的原理和BERT的训练，接着前面的内容，梳理下BERT是如何在下游任务上运用的。 原理就是上面这个图了。四种任务，实际上从他的训练模型的代码和...
-
（九）再谈embedding——bert详解（实战）中Google开源的BERT的确很良心，代码写得非常好，是一个不错的学习案例，这里我从实战的角度从预训练到下游任务实战做一个全面的梳理。原理部分的讲解请参考我上篇博客。 这里简...
-
（九）再谈embedding——bert详解（实战）上写这篇文章的时候，跳过了两个专题，因为BERT的确太火了，也比较实用吧，就拿最近的阅读理解比赛来说，几乎霸榜了，比如下面这个图： 之所以NLP这么多任务都会被刷新纪录，是因为...
-
这个数据集不算大，测试集和训练集里面有重合实体，而且看精度没意义，因为‘O’标签也算进去啦
（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，这里我简单记录下bert在NER上的使用，...
