关注我们的胖友们都知道上一篇文章讲了深度学习相关的知识，隐约觉得我们的风格变了，变得可能更有科技感了。其实因为工作的关系，我们开始从事涉及其他场景的机器学习工作，但我们还是坚持分享我们从事工作的新领悟。今天就给大家分享下自然语言处理即nlp的一些学习经验，其实我们也是刚刚入门，欢迎大牛指导一下，让我们也学习学习。主要就是介绍下我们最近看了哪些n
1.自然语言工具包（NLTK）
NLTK 创建于2001 年，最初是宾州大学计算机与信息科学系计算语言学课程的一部分。从那以后，在数十名贡献者的帮助下不断发展壮大。如今，它已被几十所大学的课程所采纳，并作为许多研究项目的基础。表P -2 列出了NLTK 的一些最重要的模块。
这本书提供自然语言处理领域非常方便的入门指南。它可以用来
转载
2024-05-20 19:48:20
41阅读
背景语言技术平台（Language Technology Platform, LTP）是哈工大社会计算与信息检索研究中心（HIT-SCIR）历时多年研发的一整套高效、高精度的中文自然语言处理开源基础技术平台。该平台集词法分析（分词、词性标注、命名实体识别）、句法分析（依存句法分析）和语义分析（语义角色标注、语义依存分析）等多项自然语言处理技术于一体。其中句法分析、语义分析等多项关键技术多次在CoN
转载
2024-04-23 16:18:01
36阅读
从建模的角度看，为了方便计算机处理，自然语言可以被定义为一组规则或符号的集合，我们组合集合中的符号来传递各种信息。自然语言处理研究表示语言能力、语言应用的模型，通过建立计算机框架来实现这样的语言模型，并且不断完善这样的语言模型，还需要根据语言模型来设计各种实用的系统，并且探讨这些实用技术的评测技术。从自然语言的角度出发，NLP基本可以分为两个部分：自然语言处理以及自然语言的生成，演化为理解和生成文
特点展示如何使用基于 Python 的深度学习库 PyTorch 应用这些方法演示如何使用 PyTorch 构建应用程序探索计算图和监督学习范式掌握 PyTorch 优化张量操作库的基础知识概述传统的 NLP 概念和方法学习构建神经网络所涉及的基本思想使用嵌入来表示单词、句子、文档和其他特征探索序列预测并生成序列到序列模型学习构建自然语言处理生产系统的设计模式内容介绍
监督学习范式观察和目标
转载
2023-09-05 08:07:21
281阅读
本书介绍 自然语言处理 (NLP) 为解决人工智能问题提供了很多方案，使亚马逊 Alexa 和谷歌翻译等产品成为可能。如果你是 NLP 和深度学习新手的开发人员或数据科学家，本实用指南将向你展示如何使用基于 Python 的深度学习库 PyTorch 应用这些方法。 文末附本书最新免费pdf下载地址。作者 Delip Rao 和 Brian
原创
2022-11-30 15:58:29
8035阅读
译者 | Arno【导读】：本文介绍了最先进的自然语言处理库——PyTorch-Transformers。 概览我们在本文中将介绍最新且最先进的的NLP库：PyTorch-Transformers我们还将在Python中使用PyTorch-Transformers实现流行的NLP模型(如谷歌的BERT和OpenAI的GPT-2) !正如我们所知，这有可
转载
2024-05-06 07:43:10
674阅读
注：本文选自人民邮电出版社出版的《PyTorch自然语言处理入门与实战》一书，略有改动。经出版社授权刊登于此。 处理中文与英文的一个显著区别是中文的词之间缺乏明确的分隔符。分词是中文自然语言处理中的一个重要问题，但是分词本身也是困难的，同样面临着自然语言处理的基本问题，如歧义、未识别词等。 本内容主要涉及的知识点有
转载
2024-01-31 21:15:00
288阅读
自然语言处理是一门融语言学、计算机科学、数学于一体的学科，比较复杂，学习门槛高，但本书巧妙地避开了晦涩难懂的数学公式和证明，即便没有数学基础，也能零基础入门。本书专注于中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。三位作者在人工智能、大数据和算法领域有丰富的积累和经验，是阿里巴巴、前明略数据和七牛云的资深专家。同时，本书
转载
2024-04-07 20:33:18
44阅读
全文共2448字，预计学习时长7分钟图源：unsplash 当谈到学习方法时，我们常常会提到教程、博客文章、在线课程等等，书本有时会被忽略了。即使你是在找一本关于某个主题的书，你也会很快发现这样的书太多了，无法快速判断哪一本最适合自己。 为了帮助你解决问题，我帮你选择5本关于自然语言处理的书，不像其他的书单，除了第一本之外，这些书都不是免费的，但事实证明它们是值得投资的，希望能
转载
2023-10-01 16:04:37
104阅读
自然语言处理的库非常多，下面列举一些对Python友好，简单易用，轻量，功能又全的库。1 中文中文自然语言处理工具评测：https://github.com/mylovelybaby/chinese-nlp-toolkit-testawesome: https://github.com/crownpku/Awesome-Chinese-NLPHanlp地址：https://github.
转载
2023-12-11 22:13:06
85阅读
利用计算机将大量的文本进行处理，产生简洁、精炼内容的过程就是文本摘要，人们可通过阅读摘要来把握文本主要内容，这不仅大大节省时间，更提高阅读效率。但人工摘要耗时又耗力，已不能满足日益增长的信息需求，因此借助计算机进行文本处理的自动文摘应运而生。近年来，自动摘要、信息检索、信息过滤、机器识别、等研究已成为了人们关注的热点。自动摘要（Automatic Summarization）的方法主要有两种：Ex
转载
2023-08-09 15:35:07
317阅读
自己写的可能有的不对的地方欢迎指正，法国的老师让我看完这个本书。还是比较累的。。Unit.22.>>>from nltk.corpus importgutengberg>>>len('austen-persuasion.txt')>>>Len(set('austen-persuasion.txt'))3、>>> from nl
转载
2024-02-02 10:34:06
57阅读
1.自然语言工具包（NLTK）NLTK 创建于2001 年，最初是宾州大学计算机与信息科学系计算语言学课程的一部分。从那以后，在数十名贡献者的帮助下不断发展壮大。如今，它已被几十所大学的课程所采纳，并作为许多研究项目的基础。表P -2 列出了NLTK 的一些最重要的模块。 这本书提供自然语言处理领域非常方便的入门指南。它可以用来自学，也可以作为自然语言处理或计算语言学课程的教科书，或是人
转载
2024-04-25 16:08:29
43阅读
ChatGPT是一个基于GPT-3.5架构的自然语言处理工具，它具有文本生成、文本分类、对话生成等多种能力。作为一种强大的自然语言处理工具，ChatGPT可以应用于智能客服、智能问答、内容创作等多个领域。如果您对ChatGPT感兴趣，可以通过关注本公众号了解更多信息，并体验基于ChatGPT的小程序提供的智能聊天和问答服务。
大家好，今天我们来聊一下Ch
转载
2023-12-03 22:17:09
86阅读
Python以其清晰简洁的语法、易用和可扩展性以及丰富庞大的库深受广大开发者喜爱。其内置的非常强大的机器学习代码库和数学库，使Python理所当然成为自然语言处理的开发利器。 那么使用Python进行自然语言处理，要是不知道这8个工具就真的Out了。 NLTK NLTK是使用Python处理语言数据的领先平台。它为像WordNet这样的词汇资源
转载
2023-07-12 21:48:54
232阅读
HanLP方法封装类： 1. # -*- coding:utf-8 -*-
2. # Filename: main.py
3.
4.from jpype import *
5.
5.startJVM(getDefaultJVMPath(), "-Djava.class.path=C:\hanlp\hanlp-1.3.2.jar;C:\hanlp", "-Xms1g", "-Xmx1g"
转载
2024-05-10 23:21:08
40阅读
英文资料： http://github.com/lovesoft5/ml一、自然语言处理概述 1）自然语言处理：利用计算机为工具，对书面实行或者口头形式进行各种各样的处理和加工的技术，是研究人与人交际中以及人与计算机交际中的演员问题的一门学科，是人工智能的主要内容。&n
转载
2023-07-03 17:02:38
16阅读
-NLP(自然语言处理)开发 什么是NLP ?自然语言处理(NLP)是关于开发能够理解人类语言的应用程序和服务。一些NLP的实际例子比如：词典翻译、聊天机器人、情绪分析等。以下是自然语言处理(NLP)的一些成功应用:搜索引擎：如谷歌，雅虎等。谷歌搜索引擎知道你是一个技术人员，所以它会显示与你相关的结果。像Facebook新闻这样的社交网站。news feed算法使用自然语言处理了解你的
转载
2023-07-06 19:31:20
134阅读
BERT(Bidirectional Encoder Representation from Transformers)是由Devlin等人在2018年提出的基于深层Transformer的预训练语言模型。BERT不仅充分利用了大规模无标注文本来挖掘其中丰富的语义信息，同时还进一步加深了自然语言处理模型的深度。这一节将着重介绍BERT的建模方法，其中包括两个基本的预训练任务以及两个进阶预训练任务。
