使用PaddleNLP语义预训练模型ERNIE完成快递单信息抽取
注意
本项目代码需要使用GPU环境来运行:
命名实体识别是NLP中一项非常基础的任务，是信息提取、问答系统、句法分析、机器翻译等众多NLP任务的重要基础工具。命名实体识别的准确度，决定了下游任务的效果，是NLP中的一个基础问题。在NER任务提供了两种解决方案，一类LSTM/GRU + CRF，RNN类的模型来抽取底层文本的
转载
2024-01-16 22:22:18
38阅读
应好友邀约，写一篇有关我在NLP上学习的历程，以供大家作参考。点开的朋友，如果真的想了解这个过程，也想知道一些具体的信息，并从中有所收获，真心希望大家能认真看下去，尤其是一些近期和我在聊的新人，我虽不算大神，但是自认为还是有一定经验的，如果信得过我，请认真看吧。如果有什么想法欢迎和我多聊~无广告，有鸡汤，肉我已经吃了，很舒服，希望大家喝下后日后也能自己吃到肉。懒人目录学习历程学习路径学习建议其他建
分享嘉宾：李渔 熵简科技 联合创始人编辑整理：Hoh内容来源：DataFunTalk注：欢迎转载，转载请在留言区留言。导读：在数字化浪潮的大背景下，金融资管行业的先行者正在积极探索将人工智能、大数据等先进技术用于构建面向未来的智能化投资研究平台。本文将从金融资管领域对于数据智能的需求入手，详细介绍自然语言处理技术在金融资管领域的典型落地实践。针对海量文本的信息挖掘场景，我们利用Transforme
原创
2021-03-26 22:27:24
1710阅读
内容回顾上期内容回顾本期笔记内容综述变量Python数据结构简介创建一个列表和定义字典1.变量变量：值可通过赋值来改变的量上期笔记中字符型常量是通过单引号、双引号或三引号来定义，本期将介绍等号来赋值赋值是通过等号（=）来进行操作的，如下：变量x=3，#把数字3赋值给变量x.可理解为：将变量x绑定到了值3上面。运行x的结果就近原则应该是列表。因此，赋值运算符的作用仅仅是在名称和值之间的创建的一种关联
近期GPT-3的热度在NLP领域很高，因此对于这个模型有了尝试的想法，目前GPT-3的模型和资源还不太多，因此先用GPT-2尝试一下训练模型和文本生成。在实践之前，对于GPT模型的基本原理做了一定的了解，下面进行一些简单的介绍。GPT模型是OPEN-AI构建的自然语言处理模型，其在文本生成上往往能产生超出预料的效果，与BERT和Transformer XL等模型带起了NLP领域的新热潮。NLP模型
转载
2023-07-28 16:14:04
442阅读
作者 | Yuki Takahashi 编译 | VK 自在ImageNet上推出AlexNet以来，计算机视觉的深度学习已成功应用于各种应用。相反，NLP在深层神经网络应用方面一直落后。许多声称使用人工智能的应用程序通常使用某种基于规则的算法和传统的机器学习，而不是使用深层神经网络。2018年，在一些NLP任务中，一种名为BERT的最先进（STOA）模型的表现超过了人类的得
转载
2022-08-29 20:07:12
223阅读
开场几十分钟后才开始打的，实验室居然锁门了。。。 A. 码队GO左上、右下角为（1,1）、（x,y）的矩阵的大小，dp处理然后一个裸的二分答案(1,1) (x,y) (x-k,y-k) 三个点sum=update:题解说O(Tn^3)就是不严谨了。20*300^3=540000000这样都说能过！！！ 如此接近1秒可以跑的数据量，有时要考虑常数的大小，是否没跑满的情
智能语音质检是常见的内容审核和内容安全场景，随着5G和移动互联网的发展，无论是UGC社区、社交平台、娱乐平台，大量的C端业务都包括了语音、视频等富媒体内容。一方面，富媒体内容的信息量更高，用户更喜欢看、更喜欢传播；另一方面，以语音识别为核心的内容管理也越来越难。传统的通过NLP语音识别，把音频转化成文字，再对文字做出“敏感词”、“敏感字”的正则或者上下文识别算法来鉴定违规内容的方式遇到了很多挑战。
转载
2024-07-18 23:56:43
48阅读
作者|Yuki Takahashi 编译|VK 来源|Towards Datas Science 自在ImageNet上推出AlexNet以来，计算机视觉的深度学习已成功应用于各种应用。相反，NLP在深层神经网络应用方面一直落后。许多声称使用人工智能的应用程序通常使用某种基于规则的算法和传统的机器学
转载
2020-10-15 20:06:00
648阅读
2评论
一.前言对于文本序列，我们一般想到的应用循环神经网络（RNN），事实证明RNN在NLP中确实效果很好。但是RNN也存在一个问题，就是序列前后具有依赖关系，无法并行。而卷积神经网络（CNN）却能克服这个缺陷，且能取得不错的性能。最近博主会更新一波关于CNN在特定NLP任务上的博文，为方便理解，先放出一篇关于文本卷积的博文。二.文本卷积对于图像卷积，我们可能很熟悉，就是利用一个卷积核在图片上从左到右、
转载
2023-10-13 06:39:57
68阅读
关于金融风险数据的ETL到分析（上）文章主要讲述风险数据的获取、处理、可视化以及最后的分析，本文主要围绕风险指标包括：风险vintage、首逾率（催回率、滚动率、迁徙率、用户画像、截面逾期率等后陆续更新）。一、数据提取背景与工具1.数据来源主要包含：业务数据，埋点数据，爬虫数据等； 2.数据抽取：apache-flume、apache-sqoop、ETLX； 3.数据清洗：apache-hive、
Apache Oozie 是 Apache Hadoop 生态系统中的一个关键组件，它使得开发人员能够调度电子邮件通知方面的重复作业，或者调度使用 Java™、UNIX Shell、Apache Hive、Apache Pig 和 Apache Sqoop 等各种编程语言编写的重复作业。本文将介绍处理某些业务场景的框架的实际应用，还将谈论解
转载
2024-10-12 12:08:54
8阅读
在lua中“#”表示返回表长度或字符串长度 例子一： 结果： 例子二,对多维表的计算： th> tags={{1,2,3},{3,4,4}}th> #tags2 例子三，
转载
2016-12-08 19:38:00
190阅读
2评论
# 使用console在Python中打印输出
## 概述
在Python中，我们可以使用console（控制台）来输出信息，以便调试代码或者向用户展示一些结果。掌握console的运用对于开发者来说是非常重要的。在本文中，我将向你介绍如何在Python中使用console。
## 实现步骤
下面是实现这个功能的步骤：
| 步骤 | 描述 |
|---|---|
| 1 | 引入`sys`
原创
2024-01-02 08:20:21
184阅读
何为NLP感知位置？如何运用它？ 对同一件事物，可以有多种不同的看法。换个位置，换个角度，就有不同的想法，感受或态度。这产生各种不
原创
2024-07-06 21:21:09
48阅读
朴素贝叶斯1. 原理 朴素贝叶斯的原理是基于贝叶斯定理的，我们要求的就是后验概率P(Cj|x),这里x就是特征向量，Cj就是类别j,后验概率最大的P（Cj|x）对于的类j就是样本特征为x对于的类别，其中我认为它的假设是最影响它的分类效果的原因，这就是我们看到朴素贝叶斯在不同样本分类的效果会有很大区别，见下图：2.常见模型 其实这两种常见模型的具体区别就在于P（c）和先验概率的计算不同，解释也不同：
转载
2024-01-21 00:27:33
90阅读
队列(Queue)队列,其实在我们的开发的过程中,我们很少使用java自己内部的队列,因为我们好多时候是使用我们开发过程的一些中间件,这个有很多成熟的产品,性能也很好,比如:kafka,rabbitmq,redis的队列,这些都比我们自己用内部的队列简单的多,但是我们是研究算法的,可能就真的需要好好看看leetcode的上一些题目了队列的特点:和栈不同,队列的最大特点是先进先出(FIFO),就好像
原创
2020-08-18 22:34:27
252阅读
在写HiveQL的时候，往往发现内置函数不够用，Hive支持用户自定义函数UDF，使用Java进行开发。很多时候这显得过于繁重。因而Hive中提供了Transform机制（基于hadoop streaming），这种机制相当于提供了一个脚本程序的入口，因此我们可以很方便的使用shell、perl、python等语言进行开发。
Python是很简单易学开发效率也很高的一种脚
原创
2012-08-29 22:59:59
1777阅读
REST和认证 我们在设计REST(Representational State Transfer)风格的Web service API,有一个问题经常要考虑，就是如何设计用户认证的体系(Authentication). 比较传统的做法是首先有一个登陆的API，然后服务器返回一个session ID,后续的操作客户端都必须带上这个session ID，但是这样的，服务就变成了有状态了，不符合
Cocoa Touch设计者们采用MVC范型作为指导原则，MVC是用于拆分GUI应用程序代码的逻辑
原创
2022-12-09 14:54:01
80阅读
