我的2017年文章汇总——自然语言处理篇

2017年自然语言处理文章精选
最新推荐文章于 2025-08-07 17:37:49 发布
最新推荐文章于 2025-08-07 17:37:49 发布
阅读量3k 收藏 10
点赞数
CC 4.0 BY-SA版权
文章标签： 自然语言处理 nlp 词向量 文本处理 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wangyangzhizhou/article/details/79055662
本文汇总了作者2017年关于自然语言处理（NLP）的一系列文章，涵盖词向量、信息抽取、机器学习文本分类、循环神经网络、深度学习的Attention模型和seq2seq模型，以及词2vec原理、文本聚类和智能客服系统设计等主题。
了解本专栏 订阅专栏 解锁全文 超级会员免费看
《自然语言处理实战入门》深度学习基础 ---- Attention 注意力机制 ，Transformer 深度解析与学习材料汇总
shiter编写程序的艺术
07-23 1218
我们来交叉最有效的开源资料，综合的看看自然语言处理中最火的Transformer 和 Attention 机制的全貌！
【NLP】自然语言处理的高级序列建模
sikh_0529的博客
09-24 9667
在本章，我们以第6章和第7章讨论的序列建模概念为基础，并将它们扩展到序列到序列建模领域，其中模型将一个序列作为输入并产生另一个可能不同长度的序列作为输出。序列到序列问题的例子随处可见。例如，我们可能想要，给定一封电子邮件，预测回复，给定一个法语句子，预测它的英文翻译，或者给定一篇文章，写一篇总结文章的摘要。我们还在这里讨论序列模型的结构变体：特别是双向模型。为了充分利用序列表示，我们介绍了注意力机制并对其进行了深入讨论。最后，本章以实现本文所述概念的神经机器翻译 (NMT) 的详细演练结束。序列到序列 (S
自然语言处理 - 两篇文章的阅读
围城
08-07 782
2020/08/07 - 这部分内容是我之前在简书的草稿，没有完整整理，后续将进行完整整理。 2020/06/17 - 这两天在学习word2vec模型原理的时候，看到了两篇文章，一篇是关于使用word2vec进行情感分类，另一篇是通过tf-idf这种方式运用LDA或者直接kmeans进行主题分类。 从这两篇文章中，相对与自然语言处理的模型来说， 我感觉，我学到的是更多的分析的过程和可视化的内容，这里扯远了，本片文章就是要写这个自然语言处理的过程。 我就感觉，看完这两个文章，我好像学到了非常多的东西，但是我
关于AI应用案例计算机视觉、自然语言处理、推荐系统和生成式AI四大领域的详细技术分析。
最新发布
zzywxc787的博客
08-07 849
本文展示了多个AI应用案例：1)基于YOLOv8的实时物体检测系统，通过37.3-50.2mAP精度实现安防监控；2)采用BERT的智能客服系统，意图识别准确率达92.1%；3)协同过滤推荐系统，提供个性化电商推荐；4)Stable Diffusion图像生成应用。文章详细呈现了各系统的代码实现、架构流程和性能数据，并探讨了模型量化、硬件加速等优化策略，最后总结了数据增强、容器化部署等关键挑战的解决方案。
人工智能导论(9)——自然语言处理(Natural Language Processing)
hustlei的专栏
12-14 9911
自然语言处理(NLP)是指用计算机来处理、理解以及运用人类语言，实现人机交流的目的。核心任务；重点应用领域；分析层面；NLP分析流程；以及语音识别、机器翻译简介
自然语言处理课程论文：《Attention is all you need》复现与解读
m0_64198455的博客
06-25 4401
1.3.1 机器翻译机器翻译是指利用计算机技术将一种语言的文本转换为另一种语言的文本。常见的机器翻译方法包括基于规则的方法、基于统计的方法和基于神经网络的方法。基于规则的方法依赖于语言学规则和词典，而基于统计的方法则通过学习源语言和目标语言之间的对应关系来进行翻译。近年来，基于神经网络的端到端机器翻译方法由于其优秀的性能和灵活性而备受关注。Transformer 模型作为一种基于注意力机制的神经网络结构，已经成为了机器翻译领域的主流方法之一，取得了令人瞩目的翻译效果。
自然语言处理论文含一篇word论文
05-21
包含近年较为热门的论文 以及一篇word论文适用于学生应付课设。
自然语言处理评测汇总（持续更新）
南有芙蕖
08-11 4470
自然语言处理评测汇总（持续更新） 目录自然语言处理评测汇总（持续更新）一、评测相关会议1、 WSDM Cup 2020（2月份）2、 TAC相关评测（3月份）3、 CCKS相关评测（3月份）4、 NLPCC相关评测（3月份）5、 全国社会媒体处理大会相关评测（3月份）6、 SemEval（9月份）7、知乎看山杯（2017—2019）（2020未发布）8、CCF大数据与计算智能大赛（2020未发布）9、全国第二届“军事智能机器阅读”挑战赛（2020未发布）10、待补充……附录：（评测平台）二、ChineseG
管理类联考——逻辑——真题篇——按知识分类——汇总篇——二、论证逻辑——归纳——第二节 归纳结构相似题
stqer的博客
08-21 401
研究人员将角膜感觉神经断裂的兔子分为两组：实验组和对照组。他们给实验组兔子注射了一种从土壤霉菌中提取的化合物。3周后检查发现，实验组兔子的角膜感觉神经已经复合；而对照组兔子未注射这种化合物，其角膜感觉神经都没有复合，研究人员由此得出结论：该化合物可以使兔子断裂的角膜感觉神经复合。 以下哪项与上述研究人员得出结论的方式最为类似? A.科学家在北极冰川地区的黄雪中发现了细菌，而该地区的寒冷气候与木卫二的冰冷环境有着惊人的相似。所以，木卫二可能存在生命。 B.绿色植物在光照充足的环境下能茁壮成长，而在光照不足的环
分享 8 篇NLP论文，有研究惊奇发现：大语言模型除了学习语言还学到了... ...
yinizhilianlove的博客
04-07 1909
一些方法已经尝试解决这个问题，但成效有限。在本文中，作者确定了一个简单的标准，可以显著增加模型在生成过程中分配更多概率给幻觉内容的可能性：高模型不确定性。这一发现为幻觉提供了一个潜在的解释：当模型对继续生成的内容不确定时，它们会默认偏向于高边际概率的文本，即训练集中高频发生的内容。作者提出了一种解码策略，当模型表现出不确定性时，转而优化源标记和目标标记的逐点互信息。在 XSum 数据集上的实验表明，这种方法减少了幻觉标记的概率，同时保持了顶级解码策略的Rouge和BertS得分。
自然语言处理论文
06-14
本届 EMNLP 大会涉及自然语言处理的各个领域，“机器学习”毫无悬念仍然成为重点，并且还首次单独出来自成一类（EMNLP 2015 时是“统计机器学习方法”）。大会覆盖的主题包括：计算心理语言；对话和交互系统；话语分析（Discourse Analysis）；文本生成（Generation）；信息抽取；信息检索与问答；语言与视觉；语言理论和资源；机器学习；机器翻译；多语种和跨语种（Multilinguality and Cross-linguality）；自然语言处理应用；标注、组块分析及句法分析；语义；情感分析和意见挖掘；互联网、社交媒体与计算社会科学；口语处理（Spoken Language Processing）；文本挖掘；文本分类和主题建模。
自然语言处理-思维导图.jpg
07-28
自然语言处理-思维导图.jpg
超牛逼的自然语言处理论文和代码
01-30
Research on Issues of Translation Selection for Phrase and Structure in Statistical Machine Translation_hezhongjun_phd thesis 2008.pdf Research on domain adaptation in Statistical Machine Translation_caojie_master thesis 2010.pdf Research on Statistical Machine Translation Based on Bracketing Transduction Grammar and Dependency Grammar_xiongdeyi_phd thesis 2007.pdf Research on Implementation Technology of Large-scale Statistical Language Model_huangyun_master thesis 2008.pdf The Research and System Implementation of Automatic Acquisition of Large-scale Bilingual Parallel Corpus from Web_yeshanni_master thesis 2008.pdf Research on Fault-tolerant Statistical Machine Translation_mihaitao_phd thesis 2009.pdf Research on Tree-to-String Statistical Translation Models_liuyang_phd thesis 2007.pdf Automatic Extraction and Application of Multiword Expression Translation Pairs_renzhixiang_master thesis 2009.pdf Research on Some Issues of Large-scale Data Precessing in Statistical Machine Translation_luoweihua_PhD thesis 2010.pdf 融合翻译模板的统计机器翻译技术研究.pdf 主题可定制的web双语平行语料库自动获取技术研究.pdf
自然语言处理encode—edcode讲解论文
05-31
过去半年以来，自然语言处理领域进化出了一件神器。此神器乃是深度神经网络的一种新模式，该模式分为：embed、encode、attend、predict四部分。本文将对这四个部分娓娓道来，并且剖析它在两个实例中的用法。 人们在谈论机器学习带来的提升时，往往只想到了机器在效率和准确率方面带给人们的提升，然而最重要的一点却是机器学习算法的通用性。如果你想写一段程序来识别社交媒体平台上的侮辱性帖子，就把问题泛化为“需要输入一段文本，预测出文本的类别ID”。这种分类与识别侮辱性帖子或是标记电子邮件类别之类的具体任务无关。如果两个问题的输入和输出类型都一致，那我们就应复用同一套模型的代码，两者的区别应该在于送入的训练数据不同，就像我们使用同一个游戏引擎玩不同的游戏。 笔者用spaCy和Keras实现了自然语言推理的可分解注意力模型。代码已经上传到github 假设你有一项强大的技术，可以预测实数稠密向量的类别标签。只要输入输出的格式相同，你就能用这项技术解决所有的问题。与此同时，你有另一项技术，可以用一个向量和一个矩阵预测出另一个向量。那么，现在你手里就握着三类问题的解决方案了，而不是两类。为什么是三类呢？因为如果第三类问题是通过矩阵和一个向量，得到一个类别标签，显然你可以组合利用前两种技术来解决。大多数NLP问题可以退化成输入一条或多条文本的机器学习问题。如果我们能将这些文本转化为向量，我们就可以复用现有的深度学习框架。接下来就是具体的做法。
[ NLP ] 自然语言处理必读论文及预训练模型（2019.10.28更）
CallMeYunzi的博客
06-26 4182
【 Albert 】 ALBERT: A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS 论文链接：https://arxiv.org/pdf/1909.11942.pdf GitHub：https://github.com/brightmart/albert_zh 【 SpanBERT 】 Sp...
【NLP】统计自然语言处理（第2版）思维导图
越努力，越幸运
03-21 1092
以下为宗成庆老师《统计自然语言处理（第2版）》各章节知识点总结而成的思维导图。 该思维导图侧重概念浅层了解，未涉及模型数学原理。如有深入学习需求，请详读相关书籍。 转载请注明出处。 ......
NLP自然语言处理：10篇关键论文精读
weixin_34268462的博客
05-28 1092
自然语言处理（Natural Language Processing，简称NLP）是人工智能领域的一个重要分支，它涉及到让计算机理解、解析和生成人类语言的技术。本章旨在为读者提供自然语言处理的基础知识，包括其核心概念、历史背景以及目前广泛应用于产业界和研究中的技术。自生成模型，是一种先进的机器学习模型，能够在给定文本数据的条件下，生成高度连贯且语义上合理的文本输出。
自然语言处理和计算机视觉相关论文总结
qq_45041871的博客
03-02 2127
自然语言处理和计算机视觉经典和相关的论文研究，一直在更新推动!!!
全面汇总各大机构停用词列表，助力自然语言处理
停用词是指在自然语言处理（NLP）中，一些常见且对文本意义贡献不大的词语，如“的”、“是”、“在”等。在文本分析过程中，这些词通常被排除，以减少分析的复杂性和提高效率。该资源对希望进行文本挖掘和情感分析...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

超人汪小建(seaboat)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值