如何用更少的數(shù)據(jù)自動將文本分類，同時精確度還比原來的方法高

計算機視覺領(lǐng)域遷移學習和預訓練ImageNet模型的成功已經(jīng)轉(zhuǎn)移到了NLP領(lǐng)域。許多企業(yè)家、科學家和工程師目前都用調(diào)整過的ImageNet模型解決重要的...

2018-05-21 標簽：深度學習自然語言NLP 6670 0

一種結(jié)合二者的新方法，展示如何查找已發(fā)布軟件中的bug

在程序圖上學習可以用于搜索 bug，例如本文開頭描述的那個例子。給定一個程序、程序中的某個位置以及在該位置上可以使用的一系列變量。然后模型被詢問應該使用...

2018-05-06 標簽：微軟源代碼自然語言 5963 0

命名實體識別(NER)是自然語言處理(NLP)中的基本任務(wù)之一

LSTM網(wǎng)絡(luò)是整體思路同樣是先對給定的訓練樣本進行學習，確定模型中的參數(shù)，再利用該模型對測試樣本進行預測得到最后的輸出。由于測試輸出的準確性現(xiàn)階段達不到...

2018-04-18 標簽：深度學習自然語言NLP 6.0萬 0

一種改變標準的谷歌關(guān)鍵詞搜索的新方式

昨天，谷歌發(fā)布“Talk to Books”（撩書？？）和一個名為Semantris的游戲。這兩項都是基于自然語言文本理解，用戶能夠憑語義而非關(guān)鍵詞來實...

2018-04-17 標簽：谷歌關(guān)鍵詞自然語言 7017 0

自然語言推理數(shù)據(jù)集“人工痕跡”嚴重，模型性能被高估

自然語言推理是NLP領(lǐng)域被廣泛研究的領(lǐng)域之一，有了這一技術(shù)，許多復雜的語義任務(wù)如問題回答和文本總結(jié)都能得到解決。而用于自然語言推理的大規(guī)模數(shù)據(jù)集是通過向...

2018-03-14 標簽：自然語言 4859 0

生成英文維基百科文章的方法可以概述為源文檔的多文檔摘要

最近，經(jīng)過研究證明，生成英文維基百科（English Wikipedia）文章的方法可以概述為源文檔的多文檔摘要。我們使用抽取式文摘（extractiv...

2018-02-06 標簽：解碼器編碼器自然語言 6594 0

機器學習入門需要掌握的八大基礎(chǔ)概念

自然語言處理對于許多機器學習方法來說是一個常用的概念，它使得計算機理解并使用人所讀或所寫的語言來執(zhí)行操作成為了可能。

2018-01-30 標簽：AI數(shù)據(jù)庫機器學習 9681 0

從個人學習經(jīng)歷出發(fā)，介紹成為一名自然語言處理工程師的相關(guān)經(jīng)驗

所以自然語言處理工程師會有各種各樣的背景，大部分都是在工作中自學或者是跟著項目一起學習的，這其中也不乏很多有科班背景的專業(yè)人才，因為技術(shù)的發(fā)展實在是日新...

2018-01-18 標簽：算法數(shù)據(jù)結(jié)構(gòu)深度學習 7040 0

歸納AI領(lǐng)域一些方向的重要技術(shù)進展

2017年人工智能行業(yè)延續(xù)了2016年蓬勃發(fā)展的勢頭，那么在過去的一年里AI行業(yè)從技術(shù)發(fā)展角度有哪些重要進展？未來又有哪些發(fā)展趨勢？本文從大家比較關(guān)注的...

2018-01-11 標簽：AI人工智能深度學習 4242 0

自然語言處理技術(shù)入門之基于關(guān)鍵詞生成文本的技術(shù)實現(xiàn)過程

本章第一節(jié)就介紹基于關(guān)鍵詞生成一段文本的一些處理技術(shù)。其主要是應用關(guān)鍵詞提取、同義詞識別等技術(shù)來實現(xiàn)的。下面就對實現(xiàn)過程進行說明和介紹。

2017-12-26 標簽：自然語言 1.1萬 0