Python NLP自然语言处理详解
在这个大数据时代，几乎所有事物都能用数据描述。数据可以大致分为三类。第一类是用于传播的媒体数据，如图片、音频、视频等。这类数据一般不需要做处理，只需要存储和读取。第二类是数字类数据，其价值很高。因为数字是有一定规律的，从已有数字中发现的规律可以用于预测未来的数据。这也是传统大数据处理与分析的主要方面
Chat、GPT-4 加上 Midjourney = 一个完美的团队？我可以使用这两种工具创建更好的 AI 图像吗？
首先，我让我的新工具告诉我更多关于它自己的信息。
NLP（自然语言处理）
目前存在的问题有两个方面：一方面，迄今为止的语法都限于分析一个孤立的句子，上下文关系和谈话环境对本句的约束和影响还缺乏系统的研究，因此分析歧义、词语省略、代词所指、同一句话在不同场合或由不同的人说出来所具有的不同含义等问题，尚无明确规律可循，需要加强语用学的研究才能逐步解决。对大规模文档进行索引。自
【NLP学习计划】万字吃透NER
NLP系列学习计划，今天研究的是顶会ACL2018的一篇文章，并尝试在相同数据集上自己实现模型，领会STOA的魅力！
【NLP】第4章 从头开始预训练 RoBERTa 模型
将来使用更少的参数或其他类似方法进行蒸馏是一种巧妙的方式，可以充分利用预训练并使其高效地满足许多下游任务的需求。KantaiBERT 是一个类似 DistilBERT 的模型，因为它具有相同的 6 层和 12 个头的架构。您可以加载现有数据集或创建自己的数据集，具体取决于您的目标。您将有足够的变压器
什么是让ChatGPT爆火的大语言模型(LLM)
AI 应用程序正在总结文章、撰写故事和进行长时间对话——而大型语言模型正在承担繁重的工作。大型语言模型或 LLM 是一种深度学习算法，可以根据从海量数据集中获得的知识来识别、总结、翻译、预测和生成文本和其他内容。大型语言模型是 Transformer 模型最成功的应用之一。 它们不仅用于教授 AI
注意力机制详解
注意力机制
关系抽取（三）实体关系联合抽取：TPlinker
实体关系联合抽取TPLinker
NLP算法-命名实体识别
与自动分词、词性标注一样，命名实体识别也是自然语言处理的一个基础任务，是信息抽取、信息检索、机器翻译、问答系统等多种自然语言处理技术必不可少的组成部分。其目的是识别语料中人名、地名、组织机构名等命名实体。由于这些命名实体数量不断增加，通常不可能在词典中穷尽列出，且其构成方法具有各自的规律性，因此，通
ChatGPT史上最强AI，即将取代人类？
ChatGPT这款AI聊天机器人，最近越来越火，并且这个火的势头，经久不衰。
Paddlenlp之UIE关系抽取模型【高管关系抽取为例】
本项目将演示如何通过小样本样本进行模型微调，完成关系抽取。马云浙江省杭州市人,阿里巴巴集团主要创始人之一。现任阿里巴巴集团主席和首席执行官,他是《福布斯》杂志创办50多年来成为封面人物的首位大陆企业家，曾获选为未来全球领袖。任正非是中国大陆的民营电信设备企业一-华为公司的创始人兼总裁。他关于企业“危
【自然语言处理】【ChatGPT系列】Chain of Thought：从大模型中引导出推理能力
语言模型为自然语言处理带来了革命，而扩大语言模型规模可以提高下游任务效果、样本效率等一系列的好处。然而，单纯扩大语言模型的尺寸并不能够使算术、常识和符号推理获得更好的表现。文本尝试使用简单的方法来解锁大规模语言模型的推理能力，该方法主要来自于两个想法：(1) 算术推理能够从自然语言论据中受益，从
ChatGPT OpenAI 人工智能语言处理工具
ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。ChatG
【实体识别】深入浅出讲解命名实体识别（介绍、常用算法）
命名实体识别（Named Entity Recognition, 简称NER）（也称为实体识别、实体分块和实体提取）是信息提取的一个子任务，旨在将文本中的命名实体定位并分类为预先定义的类别，如人员、组织、位置、时间表达式、数量、货币值、百分比等。命名实体识别是自然语言处理中的热点研究方向之一， 目的
SE注意力机制
卷积神经网络（CNN）的核心构建块是卷积算子，它使网络能够通过融合每个层的局部感受野内的空间和通道信息来构建信息特征。大量的先前研究已经调查了这种关系的空间成分，试图通过增强整个特征层次的空间编码质量来增强CNN的代表能力。在这项工作中，我们转而关注信道关系，并提出了一种新的架构单元，我们称之为“挤
NLP关系抽取和事件抽取
关系抽取又称实体关系抽取，以实体识别为前提，在实体识别之后，判断给定文本中的任意两个实体是否构成事先定义好的关系，是文本内容理解的重要支撑技术之一，对于问答系统，智能客服和语义搜索等应用都十分重要。当前深度学习方法在关系抽取任务上取得了很好的效果，这是由于深度学习可以自动抽取文本特征。深度学习做关系
最新 ChatGPT4.0 模型 正式发布
当地时间周二（3月14日），人工智能研究公司OpenAI公布了其大型语言模型的最新版本---GPT-4.0。该公司表示，GPT-4在许多专业测试中表现出超过绝大多数人类的水平。OpenAI表示，在内部评估中，GPT-4产生正确回应的可能性要比GPT-3.5高出40%。而且GPT-4是多模态的，同时支
【自然语言处理】从词袋模型到Transformer家族的变迁之路
本文简要介绍了 BOW、TF-IDF、Word2Vec、Transformer、BERT、GPT、RoBERTa、 XLM、Reformer、ELECTRA、T5 等模型。
LLaMA：7B参数量的Baby版ChatGPT窥探
本文通过造一些prompt初步窥探了7B版本的LLaMA，所生成的结果比较依赖于prompt的质量，有资源可以尝试65B参数量的版本。
本手、妙手、俗手？我用AI写2022高考全国作文题，会被看出来？
自然语言处理是人工智能领域的前沿学科和热点方向，本文试着用NLP文章生成模型写了2022年高考作文题，有点意思
