第一部分为基本概念（自然语言处理的基础）：Overview，介绍课程的整体框架，NLP是什么、NLP研究的主要对象、为什么要以机器学习的角度去研究NLP。Counting frequencies，介绍数数的基本统计方法和数学建模的思想，这里的模型基本上都是通过统计意义上的频率、相对数量来对概率进行建模。Feature vectors，介绍判别式模型的自然语言处理建模方法，其中最重要的统计知识
转载
2023-08-18 15:33:32
69阅读
最近在做一致性推理方面的srtp，看了一些OWL方面论文，对本体（ontolog）的理解总是有些模糊，故在此做一个简要的概述。 因为本文的目的仅仅是帮助自己更好的阅读资料，所以不作延伸。更详细的参考博客、文章会放在本文的结束。 本体最初出现在哲学领域，意为“客观事物的系统描述，即存在论”，关注客观现 ...
转载
2021-10-29 09:07:00
1028阅读
2评论
自然语言处理待解决的问题多模态的融合其实我们人是不怎么区分图片、文字、声音，因为到脑海中都会变成表述。这样类比到神经网络上，我们也可以对不同类型的信息源同等对待，同等建模，得到一个融合的信息，再基于这种信息进行编码解码，然后再生成其他媒介的东西，或者混合媒介的东西。现在「读图」这件事更多的是图像领域的科研人员在做，NLP 领域的人很少涉足，NLP 研究人员一般是你读出来什么，表示成自然语言的形式，
转载
2023-08-04 20:41:46
73阅读
Tokenizer分词技术概述
原创
2021-06-17 16:51:11
1583阅读
情绪ABC理论ABC理论是由美国心理学家埃利斯创建的。就是认为激发事件A(activating event 的第一个英文字母）只是引发情绪和行为后果C(consequence的第一个英文字母）的间接原因，而引起C的直接原因则是个体对激发事件A的认知和评价而产生的信念B(belief的第一个英文字母），即人的消极情绪和行为障碍结果(C)，不是由于某一激发事件（A)直接引发的，而是由于经受这一事件的个
作者 |Manish Kuwar译者 |苏本如，责编 | 郭芮头图 | CSDN 下载自视觉中国出品 | CSDN（ID：CSDNnews）以下为译文：当今，人工智能已经不仅仅是一个
转载
2020-07-26 18:49:05
207阅读
自然语言处理NLP概述版权声明：本文为博主chszs的原创文章，未经
原创
2018-01-04 21:39:10
195阅读
一、NLP领域里的8种文本表示方式及优缺点1、概述文本表示可以分为：离散式表示（Discrete Representation）;分布式表示（Distributed Representation）;2、离散式表示（Discrete Representation）2.1 One-Hat（独热编码）将词或字表示成一个向量，该向量的维度是词典（或字典）的长度，词典是通过语料库生成的，该向量中，当前词的位
转载
2023-09-03 13:45:24
215阅读
文章大纲本节课程导览1.自然语言处理（NLP）简介1.1 NLP 前置技术1.2 NLP 基础技术1.3 NLP 核心技术1.4 NLP+（高级技术）1.5 NLP主要内容总揽1.6 发展历程与趋势2.知名NLP服务系统与开源组件简介2.1 单一服务提供商2.1.1 汉语分词系统ICTCLAS2.1.2 哈工大语言云（Language Technology Platform，LTP）2.1.3
转载
2024-03-14 12:00:59
10阅读
作者 | songyingxin本项目记录了面试NLP算法工程师常会遇到的问题。1. 编程语言基础该文件夹下主要记录 python 和 c++ 的一些语言细节， 毕竟这两大语言是主流，基本是都要会的，目前还在查缺补漏中。C++面试题Python 面试题2. 数学基础该文件夹下主要记录一些数学相关的知识，包括高数，线性代数，概率论与信息论， 老宋亲身经历，会问到， 目前尚在查缺补漏中。概率论高等数学
转载
2023-08-14 14:22:49
85阅读
# 如何实现NLP面试题
作为一名刚入行的小白，理解和实现NLP（自然语言处理）面试题并不容易，但只要掌握流程和相关的代码，就能逐步实现。本文将帮助你理解整个过程，并提供代码示例和图示。
## 实现流程
下面是实现NLP面试题的基本流程：
| 步骤 | 描述 |
|----------|---------------
原创
2024-09-03 07:11:36
39阅读
大家好，今天给大家分享一套某车企的NLP算法面试题！以下是面试题目。问题1、CNN原理及优缺点CNN是一种前馈神经网络，通常包含5层，输入层，卷积层，激活层，池化层，全连接FC层，其中核心部分是卷积层和池化层。优点：共享卷积核，对高维数据处理无压力；无需手动选取特征。缺点：需要调参；需要大量样本。问题2、word2vec的两种优化方式第一种改进为基于层序 softmax 的模型。首先构建哈夫曼树，
转载
2023-11-21 19:55:16
155阅读
● Word2Vec中skip-gram是什么,Negative Sampling怎么做 参考回答： Word2Vec通过学习文本然后用词向量的方式表征词的语义信息,然后使得语义相似的单词在嵌入式空间中的距离很近。而在Word2Vec模型中有Skip-Gram和CBOW两种模式,Skip-Gram是给定输入单词来预测上下文,而CBOW与之相反,是给定上下文来预测输入单词。Negative Samp
转载
2023-12-17 17:09:25
31阅读
问题1：Bert模型中，根号dk的作用QK进行点击之后，值之间的方差会较大，也就是大小差距会较大；如果直接通过Softmax操作，会导致大的更大，小的更小；进行缩放，会使参数更平滑，训练效果更好。 问题2：Bert模型中多头的作用多次attention综合的结果至少能够起到增强模型的作用，也可以类比CNN中同时使用多个卷积核的作用，直观上讲，多头的注意力有助于网络捕捉到更丰富的特征/信息。 文末免
转载
2023-12-27 11:00:32
87阅读
NLP&深度学习：近期趋势概述
摘要：当NLP遇上深度学习，到底发生了什么样的变化呢？
在最近发表的论文中，Young及其同事汇总了基于深度学习的自然语言处理（NLP）系统和应用程序的一些最新趋势。本文的重点介绍是对各种NLP任务最新技术（SOTA）结果的回顾和比较。在这篇全面的综述中，你可以详细了解NLP深度学习的过去，现在和未来。此外，你还将学习一些 在NLP中应用深
转载
2018-09-21 14:00:28
168阅读
# NLP最新笔试题解读及示例
自然语言处理（Natural Language Processing，NLP）是计算机科学与语言学交叉的一个重要领域。在最近的一些NLP笔试中，考生经常被要求解决各种语言相关的问题。本文将通过示例和流程图，简要解读一些最新的NLP笔试题，并通过代码示例帮助读者更好地理解相关技术。
## NLP的基本流程
在进行NLP任务时，处理流程通常包括以下几个关键步骤：
# NLP深度学习：从基础到应用
自然语言处理（NLP）是人工智能领域的一个重要分支，旨在使计算机能够理解、解释和生成自然语言文本。随着深度学习技术的发展，NLP已经取得了显著的进步，普遍应用于机器翻译、情感分析、语音识别等任务。本文将介绍NLP中的深度学习技术，并通过示例代码展示其基本流程。
## 1. 深度学习概述
深度学习是机器学习的一个重要分支，利用多层神经网络对数据进行建模。深度学
作者：Sally can wait 编辑：学姐NLP算法岗面经作者介绍中文系转NLP，985应用语言学研三，微软STCA的swe暑期实习，在研究生阶段做过导师给的toB的NLP横向项目（命名实体识别），leetcode刷了600+题。面试360的时间是11月初，距离笔试也过了一个多月，简历被业务反复筛选最后还是约面了。这轮面试是过了，进入排序阶段。问项目我复述在研究生阶段做的导师的横向项目的过程
转载
2023-10-11 08:46:29
79阅读
作者 | 我爱雪糕 整理 | NewBeeNLP写在前面先说下感受吧。本人在今年3月1号（周日）投递简历，隔天周一hr就约了周四的面试，结果那天是2面视频技术面+hr面直接走完了，周五内推的学长就告诉我过了，紧接着就是offer call。整体投递+面试+发录用通知函的时间不到一周，而且面试官都是和简历对口的，整体体验非常棒。PS：offer ca
转载
2023-09-15 17:04:31
87阅读
自然语言处理NLP面试问题前言一、机器学习相关模型1、朴素贝叶斯1-1、相关概念介绍1-2、贝叶斯定理1-3、贝叶斯算法的优缺点1-4、拓展延伸1-4-1、MLE（最大似然）1-4-2、MAP（最大后验概率）2、逻辑回归2-1、推导目标函数2-2、求梯度2-3、逻辑回归实战3、SVM4、k临近5、决策树6、集成方法。7、CRF8、HMM9、解释一下正则化二、深度学习相关模型1、CNN2、RNN3
转载
2023-08-04 20:44:26
776阅读
