NLP与人工智能

NLP算法工程师

公众号: NLP与人工智能

赞

21

|

搜索文章

彻底理解 Google BERT 模型

BERT 模型是 Google 在 2018 年提出的一种 NLP 模型，Bert 基于 Transformer 并在 11 个 NLP 领域的任务上都刷新了以往的记录。

4年前
3.7k
3
评论

彻底理解 Google BERT 模型

基于 CNN 的文本分类算法

CNN 是卷积神经网络，通常用于图像领域，本文介绍一篇将CNN用于文本分类的论文《Convolutional Neural Networks for Sentence Classification》

4年前
2.5k
6
评论

Transformer 模型详解

Transformer 是 Google 的团队在 2017 年提出的一种 Self-Attention 模型，现在比较火热的 Bert 也是基于 Transformer。

4年前
3.8k
8
评论

Transformer 模型详解

Seq2Seq 模型详解

Seq2Seq 是一种循环神经网络的变种，包括编码器 (Encoder) 和解码器 (Decoder) 两部分。Seq2Seq 是自然语言处理中的一种重要模型，可以用于机器翻译、对话系统、自动文摘。

4年前
1.9k
6
评论

朴素贝叶斯与文本分类

朴素贝叶斯 (Naive Bayesian algorithm) 是一种基于概率统计的分类方法，主要用到了贝叶斯定理和特征条件独立性假设，可以用于文本分类、信用评估等方面。

4年前
1.4k
5
1

动态词向量算法 — ELMo

传统的词向量模型，学习得到的词向量是固定不变的，即一个单词只有一种词向量。本文介绍的 ELMo 算法使用了深度双向语言模型 (biLM)，可以学到单词在句子中的动态向量。

4年前
1.4k
4
评论

循环神经网络 RNN、LSTM、GRU

循环神经网络 (Recurrent Neural Networks，RNN)是一种擅于处理序列数据的模型，例如文本、时间序列、股票市场等。

4年前
5.0k
8
评论

循环神经网络 RNN、LSTM、GRU

词向量模型 — Glove

常见的词嵌入算法有基于矩阵分解的方法和基于浅层窗口的方法，Glove 结合了这两类方法的优点生成词向量。

4年前
1.1k
2
评论

词向量模型 — Word2Vec

Word2Vec 是 google 在2013年提出的词向量模型，通过 Word2Vec 可以用数值向量表示单词，且在向量空间中可以很好地衡量两个单词的相似性。 1. 词向量让计算机理解人类的语言是一件很 Cool 的事情，而首先要做的就是将单词表示成一个数值向量（称为词向量…

4年前
1.6k
1
1

个人成就

文章被点赞 75

文章被阅读 44,806

加入于

2019-09-05