NLP

注意力机制的核心思想是：从大量信息中筛选出少量重要信息，使聚焦到这些重要信息上，同时忽略不重要的信息...

统计语言模型：用统计的方法（条件概率）解决语言模型的问题；神经网络语言模型：用神经网络模型解决语言模型的问题...

强化学习：在Agent与环境交互当中，为了达成一个目标而进行的学习过程。强化学习所要学习的东西，实际上就是一个好的价值函数，而一个好的价值函数决定一个好的策略

这篇文章提出了一种新的标注方案用于标注关系和实体，从而将联合抽取问题转换为序列标注问题， 它通过在机器学习模型中添加LSTM层，解决了

ERNIE全称为Enhanced language Representation with Informative Entities，为了让模型学习到海量文本中蕴含的现在知识，百度提出了ERNIE模型

DAE在文献《Extracting and composing robust features with denoising》 最早被提出，它接收部分被破环是输入，然后训练重构出原始没有被破坏的输入。

概率任务是自然语言处理中最常见的无监督任务。LM是一个经典的概率密度估计问题，在实践中它通常特指自回归语言模型或者是单向语言模型。

自然语言处理领域的专家和学者一直在寻找最适合NLP的模型，可以说，Transformer可能是目前位置最适合NLP的模型。

上一篇文章我们介绍了Transformer，这篇文章我们一起看一下他的衍生网络之一Bert。 Bert 整体框架 Bert采

Transformer利用自注意力机制实现了快速并行，改进了RNN及其衍生网络训练慢的特点，同时可以训练非常深的网络，从而提高模型的准确率。

Python爬取豆瓣Top250数据,爬取数据的网站:https://movie.douban.com/top250?start=0...

知识图谱的智能学习 地质数据知识图的构建包括知识提取和知识管理两个逻辑组成部分。前者主要通过无监督处理来学习相应的地质知识...

KNN算法比较适用于样本容量比较大的类域的自动分类。 KNN算法的核心思想是，如果一个样本在特征空间中的K个...

单层感知器是最简单的神经网络，它的作用呢就是可以高效快速地解决线性可分的问题。单层感知器的结构...

这是我参与11月更文挑战的第1天，活动详情查看：2021最后一次更文挑战 一、正确率与召回率 正确率与召回率（Precision & Recall）是广泛应用于信息检索和统计学分类领域..

小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。 使用一个神经网络时，需要决定使用哪种激活函数用隐藏层上，哪种用在输出节点上...

小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。 关于神经网络也有很多的种类，考虑到它们的使用效果，有些使用起来恰到好处，但事实表明...

小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。 一、特征缩放 如果某个特征的取值范围比其他特征大很多，那么数值计算（比如说计算欧式距离）就受该特征的主要支配...

小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。 神经网络可以用来模拟回归问题 (regression)，实质上是单输入单输出神经网络模型...

小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。 Keras是由纯python编写的基于theano/tensorflow的深度学习框架...