![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
NLP
文章平均质量分 87
带着小板凳学习
一生中总会遇到这样的时候:你的内心已经兵荒马乱翻天覆地了,可是你在别人看来只是比平常时沉默了一点,没有人会觉得奇怪。这样的战争注定单枪匹马。
展开
-
图解RNN、LSTM和GRU
图解RNN、LSTM和GRU翻译 2021-03-08 22:47:04 · 628 阅读 · 0 评论 -
NLP发展-从语言模型到预训练模型
NLP发展-从语言模型到预训练模型从统计语言模型到预训练模型,纵观自然语言处理的发展历程原创 2021-02-17 15:02:04 · 864 阅读 · 1 评论 -
基于深度学习的文本分类baseline算法实现
基于深度学习的文本分类算法实现,主要包括bilstm、textcnn等原创 2021-01-10 12:19:07 · 1141 阅读 · 2 评论 -
小样本如何更好的在BERT上fine-tune
小样本如何更好的在BERT上fine-tune原创 2021-01-09 19:10:53 · 2844 阅读 · 0 评论 -
NLP中文预训练模型泛化能力挑战赛-Baseline算法实现
NLP中文预训练模型泛化能力挑战赛,使用tensorflow1.x版本实现Baseline算法,第一阶段分数0.6236原创 2020-12-30 20:06:20 · 682 阅读 · 2 评论 -
图解Attention机制
文章以一种GIF图解的方式,生动的解释了Attention机制。翻译 2020-12-13 11:55:43 · 1049 阅读 · 1 评论 -
Tensorflow1.x实现BiLstm+CRF
基于Tensorflow1.x的Estimator高级api实现BiLstm+CRF的命名实体识别任务原创 2020-11-15 20:29:15 · 1444 阅读 · 3 评论 -
BiLSTM中的CRF层(三)CRF损失函数
本文翻译,原文地址:https://createmomo.github.io/2017/10/08/CRF-Layer-on-the-Top-of-BiLSTM-3/三、CRF损失函数CRF损失函数由两部分组成,真实路径的分数 和 所有路径的总分数。真实路径的分数应该是所有路径中分数最高的。例如,我们的数据集中有如下几种类别:Label Index B-Person 0 I-Person 1 B-Organization 2 I-Organizatio翻译 2020-10-11 15:00:04 · 11214 阅读 · 6 评论 -
BiLSTM中的CRF层(二)CRF层
前言:本文翻译,原文地址:https://createmomo.github.io/2017/09/12/CRF_Layer_on_the_Top_of_BiLSTM_2/上一节中《BiLSTM中的CRF层(一)简介》,CRF层可以加入一些约束来保证最终预测结果是有效的。这些约束可以在训练数据时被CRF层自动学习得到。约束一般有如下:句子的开头应该是“B-”或“O”,而不是“I-”。 “B-label1 I-label2 I-label3…”,在该模式中,类别1,2,3应该是同一种实体类别翻译 2020-09-20 18:32:35 · 1957 阅读 · 4 评论 -
Deep Learning Based Text Classification (文本分类综述)
Deep Learning Based TextClassification: AComprehensiveReview论文来源:https://arxiv.org/abs/2004.037051. 前言文本分类是NLP中一个非常经典任务(对给定的句子、查询、段落或者文档打上相应的类别标签)。其应用包括机器问答、垃圾邮件识别、情感分析、新闻分类、用户意图识别等。文本数据的来源也十分的广泛,比如网页数据、邮件内容、聊天记录、社交媒体、用户评论等。文本是是极其丰富的信息载体,然而由于文本的非结构化特原创 2020-06-27 20:21:27 · 2126 阅读 · 2 评论 -
自然语言处理任务栈
简单总结一下自然语言处理的任务栈。主要有:(1)词法分析(Lexical Analysis)(2)句子分析(sentence Analysis)(3)语义分析(Semantic Analysis)(4)信息抽取(Information Extraction)(5)顶层任务(High-level Task)一、词法分析分词(word Segmentation/Tokenization):对没有明显词编辑的文本进行切分,得到词序列 新词发现(New Words Identifi原创 2020-08-30 20:53:07 · 595 阅读 · 1 评论 -
BiLSTM中的CRF层(一)简介
BiLSTM中的CRF层详解提纲本篇文章包括以下几个部分:1.简介 2.举例说明 3.BILSMT+CRF实现一、简介在命名实体识别任务中,基于神经网络的方法是非常流行和常用的。论文《Neural Architectures for Named Entity Recognition》基于词嵌入和字嵌入提出了一种BiLstm-CRF模型,本文将基于这篇论文来举例说明CRF层是如何起作用的。如果你不知道BiLSTM和CRF,那么你只需要记住他们是命名实体识别中两个完全不同的网络层...翻译 2020-08-23 12:07:25 · 6233 阅读 · 2 评论