作者：禅与计算机程序设计艺术
一、产品背景及市场分析
自从深度学习在图像识别领域取得了巨大的成功之后，越来越多的公司和研究机构开始探索在自然语言处理、文本数据分析领域的深度学习应用。在NLP领域，文本分类和实体识别是两种最基础也最重要的任务，也是构建NLP系统的基本模块之一。近几年来，随着Transformer模型等自编码器网络的火热，深度学习在NLP领域的应用已经得到很好的普及。
二、产品目标用户群体
- 有一定机器学习或深度学习基础，了解文本数据的表示、特征抽取方法；
- 对文本分类、命名实体识别、信息提取领域有相关经验者；
- 想要获取更多有关文本信息的分析工具，提升工作效率。
三、产品市场需求
- 需要具有计算机视觉、自然语言处理等相关专业知识作为入门条件；
- 所面向的用户群体一般较为广泛，对文本分类、实体识别、信息提取等任务都有较高要求；
- 可以快速实现模型训练、部署、迭代更新、效果评估和结果展示等过程，有效降低成本；
- 可满足用户的日常工作需要，解决业务中遇到的实际问题。
2.基本概念术语说明
一、分类与标注
文本分类（Text Classification）和序列标注（Sequence Labeling）都是自然语言处理（Natural Language Processing）中的一个重要任务。顾名思义，这两个任务可以用来把一段话或者一段文字按照不同的类别进行划分。比如我们将一封邮件归类为垃圾邮件、正常邮件、广告邮件
本文转载自: https://blog.csdn.net/universsky2015/article/details/131746247
版权归原作者 禅与计算机程序设计艺术 所有， 如有侵权，请联系我们删除。
版权归原作者 禅与计算机程序设计艺术 所有， 如有侵权，请联系我们删除。