从零开始掌握一门新的语言令人望而生畏。如果你曾经学过一种不是你母语的语言，你就会理解！有太多的层次需要考虑，例如语法需要考虑。这是一个相当大的挑战。这就是自然语言处理中标识化的概念。简单地说，标识化对于处理文本数据十分重要。标识化是一种将文本分割成称为标识

3月4号（本周三）晚8点，“EasyDL深度学习实战营”系列直播课进阶版课程即将开播，第一二节课程分别讲解“解密 EasyDL 专业版的技术原理”和“NLP 情感分类技术解析与模型开发实战”。此前，百度大脑正式推出“EasyDL 深度学习实战营”系列直播课

使用清华的镜像安装stanfordcorenlp，速度会快些。sentence = 'Stanford CoreNLP provides a set of human language technology tools.'. Python输出的结果和在线版

专注NLP的强大团队抱抱脸又发新资源！这一次是帮助NLP过程中，词语切分更快的Tokenizers。只要20秒就能编码1GB文本，适用Rust、Python和Node.js，已经在GitHub上获得了800多星。前不久，这个团队也凭借自己的技术实力获得了1

2020 年 1 月 9 日，又一年微信公开课如期而至。今年，张小龙没有如约出现在白天主论坛的开场环节中，而是以视频演讲的形式发表了开场致辞，并分享了他关于信息互联的 7 个思考。本次公开课的主题是“未完成 Always Beta”。本次公开课对这些问题作

百度自然语言处理：对外提供了百度AI开放平台，王海峰。微软亚洲研究院自然语言计算组、在NLP方向与哈工大、清华有联合实验室。复旦大学自然语言处理研究组。中科院计算所自然语言处理组：尤其专长在机器翻译领域，组长为刘群研究员，大家常使用的中文分词工具ICTCL

自 BERT 打破 11 项 NLP 的记录后，可应用于广泛任务的 NLP 预训练模型就已经得到大量关注。最近微软推出了一个综合性模型，它在这 11 项 NLP 任务中超过了 BERT。BERT 和微软新模型都采用了通用语言理解评估基准中的 11 项任务，

文本分类是一种监督机器学习方法，用于将句子或文本文档归类为一个或多个已定义好的类别。它是一个被广泛应用的自然语言处理方法，在垃圾邮件过滤、情感分析、新闻稿件分类以及与许多其它业务相关的问题中发挥着重要作用。目前绝大多数最先进的方法都依赖于一种被称为文本嵌入

摘要： 一文了解2018深度学习取得了哪些突破性进展！在过去几年中，深度学习改变了整个人工智能的发展。深度学习技术已经开始在医疗保健，金融，人力资源，零售，地震检测和自动驾驶汽车等领域的应用程序中出现。至于现有的成果表现也一直在稳步提高。在学术层面，机器学

自然语言处理有非常多的子领域，且很多都没有达到令人满意的性能。本文的目的是追踪自然语言处理的研究进展，并简要介绍最常见 NLP 任务的当前最佳研究和相关数据集。作者 Sebastian Ruder 在文中覆盖了传统的和核心的 NLP 任务，例如依存句法分析

今天，我们介绍NLP中迁移学习的最新趋势，并尝试进行分类任务：将亚马逊评论的数据集分类为正面或负面。NLP中的迁移学习理念在fast.ai课程中得到了很好的体现，我们鼓励你查看论坛。NLP深度学习的进展不像计算机视觉那样成熟。但是，单词嵌入仅代表大多数NL

谷歌此前发布的NLP模型BERT，在知乎、Reddit上都引起了轰动。其模型效果极好，BERT论文的作者在论文里做的几个实验数据集都被轰平了。要做那几个数据集的人可以洗洗睡啦，直接被明明白白地安排了一波。坊间流传BERT之于自然语言处理有如ResNet之于

一文看尽阿里云即将上线的 NLP 技术到底可不可靠。阿里云栖大会刚刚结束。目前，阿里云上的人工智能 ET 板块已经包含机器学习 PAI、语音识别与合成、人机对话、人脸识别、图像识别、以及印刷文字识别六大模块。除这六大模块之外，近期，阿里云还将上线自然语言理

过去的一年，深度神经网络的应用开启了自然语言处理的新时代。预训练模型在研究领域的应用已经令许多NLP项目的最新成果产生了巨大的飞跃，例如文本分类，自然语言推理和问答。ELMo，ULMFiT 和OpenAI Transformer是其中几个关键的里程碑。这一

本文介绍一个中文自然语言处理语料库项目：nlp_chinese_corpus ，初步献了几个已经预处理好的中文语料，包括维基、新闻和百科语料，可直接下载使用。众所周知，中文NLP领域缺乏高质量的中文语料。在2019年初这个时点上，在现代对于经济学的定义有数