0、语义分析发展过程：依存句法分析-》语义角色标注-》依存语义分析-》抽象语义表示【依存句法分析，Dependency Parsing, DP】分析句子里的词语之间的依存关系，如SBV主语关系，VOB动宾关系，ATT修饰关系，常用标记：例子：from ltp import LTP
ltp = LTP()
seg, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
dep =
开发一个软件，最常见的就是工程文件的冲突，人少还好，像我和小伙伴就是软件开发的初学者，相对来说接触到的东西比较简单一点。但是人一多就很难解决源代码冲突的问题.在合并代码上面就会花费很多时间。工程文件冲突是代码合并不可避免的问题，我们觉得解决这个问题有以下几个方法：1、代码结构和层次划分要合理。2、要及时提交代码，代码提交频率要高，更新要快，最慢一天一次。常
“最近刚好在用ERNIE写毕业论文”“感觉还挺厉害的”“为什么叫ERNIE啊，这名字有什么深意吗？”“我想让艾尼帮我写作业”看了上面火热的讨论，你一定很好奇“艾尼”、“ERNIE”到底是个啥？自然语言处理( Natural Language Processing，简称NLP )被誉为人工智能“皇冠上的明珠”。NLP为各类企业及开发者提供用于文本分析及挖掘的核心工具，已经广泛应用在电商、文化娱乐、金
以前论过 (【NLP主流最大的偏见，规则系统的手工性】),（有监督）机器学习的知识瓶颈是需要大量的带标数据（labeled data），以克服稀疏数据（sparse data）的困扰。很多时候，学习算法的改进远不如数据量增加带来的好处明显。这在带标数据普遍不足的情况下是机器学习界大家公认的痛点。然而，不能因此认为，只要带标数据足够多了，NLP 的任务就基本解决了，至少对于高端的NLP任
为大家推荐一个相当牛逼的项目，目前在github上有4.1k star。该项目是百度今年开源的算法库，大家可以马上上手，PaddlePaddle框架也是非常好安装的不管是CPU版本还是GPU版本，适合练手。且百度在云端服务器部署和边缘侧终端部署都有了很好的解决方案，也可以支持一下本土框架是不是，最主要是可以“白嫖”，带模型。 相信我，已经为大家实验过了，很多模型也有下载地址，下载下来就可
gensim生成词向量并获取词向量矩阵word2vec是目前比较通用的训练词向量的工具，使用Gensim模块，可以使词向量的训练变的简单，但是调用gensim.models的word2vec模块使用skip-gram或CBOW完成词向量训练之后，如何获取词向量中的词汇表以及对应的词向量矩阵呢。本文以一个小例子进行演示。1. 导入相关包主要用到了jieba和gensim包，可以使用命令行pip3 i
基本术语术语数据集：一组记录的集合被称为数据集
示例（样本）：数据集合中的每一个记录被称为一个样本或者示例
属性空间：属性张成的空间
特征向量：一个示例被称作一个特征向量示例D={x1,x2,…,xm}
表示包含了m个示例的数据集，
每个示例由d个属性描述，
每个示例xi=(xi1;xi2;…;xid)是d维样本空间χ中的一个向量， xi∈χ,其中xij是xi在第j个属性上的取值，d称为
前言第一次听UML的时候不知道这到底是什么，觉得就跟C++，JAVA这种设计语言类似，后来以为是一个画图软件，直到看了视频才明白-----都不是。正文UML（Unified Modeling Language）它是一种可视化的面向对象语言，描述了一个系统的静态结构和动态行为，用图形方式表现典型的面向对象系统的整个结构，从不同的角度为系统建模，并形成系统的不同视图。 （官方解释：UML是统一建模
语音编码就是对模拟的语音信号进行编码，将模拟信号转化成数字信号，从而降低传输码率并进行数字传输，语音编码的基本方法可分为波形编码和参量编码，波形编码是将时域的模拟话音的波形信号经过取样、量化、编码而形成的数字话音信号，参量编码是基于人类语言的发音机理，找出表征语音的特征参量，对特征参量进行编码。
1. 波形编码
波形编码
Attention机制是在Seq2Seq模型的基础上被提出来的，Seq2Seq通过encoder拿到（输入）文本信息的context向量（矩阵）。Attention机制让decoder部分更加关注与当前时刻相关性最高的item。因此，在回顾Attention机制之前，需要先回顾一下Seq2Seq（即Encoder-Decoder）模型。Seq2Seq（Encoder-Decoder）在此前的博文《
一、字符串： 1、C语言中字符串是以 /0 结尾的； 2、C语言中没有字符串类型，用字符数组来模拟字符串； 3、字符串分配内存 可以是 栈区、堆区、或者全局区；二、字符数组的初始化: 1、固定长度 例如：char buf[4 ] = {'a','b','c','d'}; &n
自然语言处理之中文分词器前言中文分词是中文文本处理的一个基础步骤，也是中文人机自然语言交互的基础模块。不同于英文的是，中文句子中没有词的界限，因此在进行中文自然语言处理时，通常需要先进行分词，分词效果将直接影响词性、句法树等模块的效果。当然分词只是一个工具，场景不同，要求也不同。
在人机自然语言交互中，成熟的中文分词算法能够达到更好的自然语言处理效果，帮助计算机理解复杂的中文语言。
根据中文分词实
ACL2021论文收录列表：ACL-IJCNLP 2021中文文本纠错paper&code列表：CTCResources/README_ZH.md (github.com)中文处理文章集合：Special Interest Group on Chinese Language Processing (SIGHAN) - ACL Anthology论文一：ACL2021PLOME: Pre-t
前言bert模型是谷歌2018年10月底公布的，反响巨大，效果不错，在各大比赛上面出类拔萃，它的提出主要是针对word2vec等模型的不足，在之前的预训练模型（包括word2vec，ELMo等）都会生成词向量，这种类别的预训练模型属于domain transfer。而近一两年提出的ULMFiT，GPT，BERT等都属于模型迁移，说白了BERT 模型是将预训练模型和下游任务模型结合在一起的，核心目的
参加过三次比赛，三次Top5，但是我想说：狗都不做好的部分工作人员的耐心和付出非常值得肯定，无论是技术还是非技术的支持我一直心怀感激一些赛题很新颖，例如工程赛或工程加算法赛不好的部分第一场AI earth比赛：季军是小号刷的由于大佬复现出了问题，所以我从B榜第5变成了第4，但是季军作为主办学校团队问题大了。比赛12点结束提交后还有很多队伍没有训练完，所以大家可能还有一次提分机会。16点南京某大学的
打开首页，分配一个随机uuid，根据该uuid获取二维码图片。微信客户端扫描该图片，在客户端确认登录。浏览器不停的调用一个接口，如果返回登录成功，则调用登录接口此时可以获取联系人列表，可以发送消息。然后不断调用同步接口。如果同步接口有返回，则可以获取新消息，然后继续调用同步接口。执行流程+--------------+ +---------------+ +--------------
本书以大模型为背景，揭示了智能体在多个领域的应用与实践。全书围绕大模型技术和智能体的构建、优化和应用，展开了一场通俗易懂的智能体探索之旅。书中详述了主流算法框架，助力读者全面把握智能体的发展和实践要点。
本书从大型模型的结构讲起，让读者了解大型模型的内部实现原理，然后讲解如何在特定任务下对大型模型进行预训练、有监督的微调，以及进行强化学习。通过对模型采用不同方法的训练，持续改进模型在特定任务上的性能。最后，本书将与读者一起探讨如何利用大型模型开发大模型时代的智能应用。
Python3 元组Python 的元组与列表类似，不同之处在于元组的元素不能修改。元组使用小括号，列表使用方括号。元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可。如下实例：tup1 = ('Google', 'tencent', 1997, 2000);
tup2 = (1, 2, 3, 4, 5 );
tup3 = "a", "b", "c", "d";创建空元组tup1 = ()
用了相当精力进行了大量修改调整与完善。目前stem课程的体系是有标准化的，适合课堂教学使用，分不同年龄段提供课程教材。格物斯坦认为：即便相差一岁，幼儿也会有相当多的不同。二是拓展课程，在多种玩法的基础上，使用不同工具材料，在不同环境里拓展练习。不能说我们的课程体系就OK，这个要看整体的设计出发点和目标是什么。没什么国家标准，只要依据着3-6岁儿童学习与发展指南，逻辑清晰即可。STEM课程指的是科学
华为开发者空间云开发环境 x Versatile Agent，快速构建并集成一个轻量级智能办公助手Agent到模拟OA系统中。
人类提取DHA的方法有三种，一种从鱼类脂肪中提取，一种从藻类中提取，一种从鸡蛋黄中提取。深海鱼提取是从鱼类脂肪中提取，不仅含有DHA还有EPA，对老年人心脑血管特别好。海鱼油DHA和EPA的比例通常是4:1或者5:1。但是对3岁以下的婴幼儿来说，如果EPA摄入量过多，会影响婴幼儿的成长。而且深海鱼油提取出来的DHA由于海洋环境日益恶化，很容易出现中毒。海藻提取DHA，藻类提取由于是植物性的，抗氧化
自然语言Text Classification Datasets标签：实用 学术基准来自论文 Zhang et al., 2015。这是有八个文字分类数据集组成的大型数据库。对于新的文字分类基准，它是最常用的。样本大小为 120K 到 3.6M，包括了从二元到 14 阶的问题。来自 DBPedia, Amazon, Yelp, Yahoo!，搜狗和 AG 的数据集。地址：https://
本文非原创领域驱动设计值领域模型2004年Eric Evans发表Domain-Driven Design-Tackling Complexity in the Heart of Software（领域驱动设计），简称为Evans DDD。领域驱动设计分为两个阶段：1、以一种领域专家、设计人员、开发人员能理解的“通用语言”作为互相交流的工具，在不断交流的过程不断发现一些主要的领域概念，然后将这些概
最近开了一个公众号弄着玩，之前也在一些群里看到过一些聊天机器人，所以就想将聊天机器人接入微信公众号试试。现在网上已经有比较成熟的一些产品，有的免费，有的收费，都可以直接接入微信公众号，实现一些基本的聊天和实用功能，也可以定制一些个性化的聊天对答。这里推荐一篇文章，总结得还是比较详细：聊天机器人API搜集汇总除了这里面提到的聊天机器人，我还试过谛听机器人：谛听机器人官方网站最后，看到微信对话开放平台
在Java的面试当中，面试官最爱问的就是volatile关键字相关的问题。经过多次面试之后，你是否思考过，为什么他们那么爱问volatile关键字相关的问题？而对于你，如果作为面试官，是否也会考虑采用volatile关键字作为切入点呢？JVM核心知点01 为什么爱问volatile关键字？爱问volatile关键字的面试官，大多数情况下都是有一定功底的，因为volatile作为切入点，
书接上回，上一章我们完成了“非问答”类数据的数据增强后库内增加了 200w 数据。接下来，应该继续做“数据蒸馏”从商用大模型那里提取垂直领域的数据，但这样无疑违背了“零成本”的初衷了。那么本地部署个高参开源模型行么？如果一开始就有 4090、5090 等高端显卡的话，那确实是个不错的选择。但可惜我没有这么优质的资源，因此数据蒸馏的工作就暂时不做了，若后期数据不足时再分批补全吧。好了，现在库数据已经
引入：将你的LLM从“读死书的书呆子”武装成“超级助理”从22年底ChatGPT的爆火，到今年年初国产大语言模型DeepSeekv3的频繁刷屏，我们看到了大语言模型（LLM）那令人惊叹的能力：写诗、编程、答疑仿佛无所不能，无所不知。其高度自然的人机交互界面，容易让我们感觉像是在与一位“全知全能”的对话者交流。然而，揭开这层表象，LLM的核心本质是一个基于海量数据训练的“下一个词元概率预测模型”。他
1. 概念 发音字典(lexicon)包含了从单词(words)到音素(phones)之间的映射，作用是用来连接声学模型和语言模型的。 发音字典在语音识别过程中的位置如图所示： 发音字典包含系统所能处理的单词的集合，并标明了其发音。通过发音字典得到声学模型的建模单元和语言模型建模单元间的映射关系，从而把声学模型和语言模型连接起来，组成一个搜索的状态空间用于解码器进行解码工作。 ２.
虽然是个NLP小白，但是感觉ELMo怎么这么眼熟，就在碰见的时候下载下来读一读了。论文地址：https://arxiv.org/abs/1802.05365ELMo是一种计算词嵌入的方式，旨在表示出词的更丰富的信息以及引入上下文相关的性质，同一个词在不同上下文中的表示也不同。引言 作者认为，一个好的词嵌入表示要满足两个特征：（1）能表达出词的复