允中 发自 凹非寺 量子位 出品 | 公众号 QbitAI 这可能不在大多数人的意料之中。 在著名的微软MSMARCO(Microsoft MAchine Reading COmprehension)机器阅读理解测试排行…
分类:NLP
从NLP说到用户画像
之前我在文章里写了一篇NLP的迷局,链接如下: 极客兔子:NLP的迷局 zhuanlan.zhihu.com 不过实际上根据这段时间的研究,迷局一定是要打引号的,因为世界是复杂的,迷茫和混沌中总是可以摸索出一定的规律及…
BERT相关论文、文章和代码资源汇总
BERT最近太火,蹭个热点,整理一下相关的资源,包括Paper, 代码和文章解读。 1、Google官方: 1) BERT: Pre-training of Deep Bidirectional Transformers…
2017年度最值得读的AI论文 | NLP篇 · 评选结果公布
历时九天,我们收到了近千份有效读者投票,2017 年度最值得读的 AI 论文评选也正式结束。 我们根据读者的投票情况,选出了自然语言处理和计算机视觉领域“2017 年最值得读的十大论文”。让我们一起来看看过去一整年,在 …
Deep Reinforcement Learning with a Natural Language Action Space
本文继续分享一篇深度增强学习在NLP中应用的paper,题目是Deep Reinforcement Learning with a Natural Language Action Space,作者是来自微软的Ji He博…
万字长文概述NLP中的深度学习技术
该项目是对基于深度学习的自然语言处理(NLP)的概述,包括用来解决不同 NLP 任务和应用的深度学习模型(如循环神经网络、卷积神经网络和强化学习)的理论介绍和实现细节,以及对 NLP 任务(机器翻译、问答和对话系统)当前…
人工智能的方向选择,NLP,图像处理?
提到人工智能,我不禁会想起微软亚洲研究院周明副院长的这张图: 周明博士认为:”语言智能是人工智能皇冠上的明珠,如果语言智能能实现突破,跟它同属认知智能的知识和推理就会得到长足的发展,就能推动整个人工智能体系,…
近期值得读的20篇AI论文(NLP/CV/ML方向)
@zhoujie17 推荐 #Graph-to-Sequence Learning 本文提出了一种新的 encoder-decoder 框架来进行 graph-to-sequence 即图到序列的学习,在 AMR 图的序…
专访 | 机器之心独家对话百度 NLP:先解决语义理解,再谈机器翻译取代人类
9 月 28 日,Google 在 Research Blog 中介绍其神经网络机器翻译系统(GN量的大幅提升引发业内极大关注。据称,在双语评估者的帮助下,通过对维基百科和新闻网站的例句测定,在多个样本的翻译中谷歌神经网…
<模型汇总-6>基于CNN的Seq2Seq模型-Convolutional Sequence to Sequence
Seq2seq是现在使用广泛的一种序列到序列的深度学习算法,在图像、语音和NLP,比如:机器翻译、机器阅读、语音识别、智能对话和文档摘要生成等,都有广泛的应用。Seq2Seq模由encoder和decoder两个部分来构…
学习时间!2019斯坦福CS224n、CMU NLP公开课视频开放啦
你知道入门自然语言处理(NLP)的「标配」公开课 CS224n 么,它和计算机视觉方面的课程 CS231n 堪称绝配,它们都是斯坦福的公开课。但是自 2017 年以来,NLP 有了很多重大的变化,包括 Transform…
PaperWeekly 第九期 -- 浅谈GAN
引言 深度生成模型基本都是以某种方式寻找并表达(多变量)数据的概率分布。有基于无向图模型(马尔可夫模型)的联合概率分布模型,另外就是基于有向图模型(贝叶斯模型)的条件概率分布。前者的模型是构建隐含层(latent)和显示…