让我们看看可以用在你自己的 NLP 应用中的十几个工具吧。在过去的几年里，自然语言处理推动了聊天机器人、语音助手、文本预测等这些渗透到我们的日常生活中的语音或文本应用程技术的发展。目前有着各种各样开源的 NLP 工具，所以我决定调查一下当前开源的 NLP

本文约1500字，建议阅读7分钟。科技巨头百度于今年早些时候发布了其最新的NLP架构ERNIE 2.0，在GLUE基准测试中的所有任务上得分均远高于XLNet和BERT。NLP的这一重大突破利用了一项被称为“连续增量式多任务学习”的创新技术。在本文中，我们

学习自然语言处理的基础知识并探索两个有用的 Python 包。自然语言处理是机器学习的一种，它解决了口语或书面语言和计算机辅助分析这些语言之间的相关性。重点是确定输入语言的积极、消极或中性性质。在学习情感分析时，对 NLP 有一个大体了解是有帮助的。在 N

BMES这四种状态在第一个字的概率分布情况；HMM中，假设当前状态只与上一状态相关，则此关系可用转移矩阵表示；HMM中，观察值只取决与当前状态值，条件概率矩阵主要建模在BMES下各个词的不同概率，和初始化概率、状态转移矩阵一样，需要在语料中计算得到对应的数

主持研发过多款智能硬件的问答和对话系统，负责环信中文语义分析开放平台和环信智能机器人的设计与研发。本文是作者正在编写的《深度学习理论与实战》的部分内容。Google BERT 模型最近横扫了各大评测任务，在多项任务中取得了最好的结果，而且很多任务比之前最好

强烈推荐所有NLP同学仔细阅读这份报告，相信会让你少走不少科研的弯路。[ 导读 ]刚刚，清华大学副教授、博士生导师刘知远老师在知乎上发表了一些文章，为学习 NLP 的同学提供了论文写作指导。NLP 是一门重视实践和应用的领域，创新成果可以是新的算法、任务、

经过近几年的发展，深度学习给自然语言处理带来了很多新的变化，包括 Word2Vec、ELMO、OpenAI GPT、Glove、Fasttext 等主流模型也在这一端时间内涌现。直到最近 Google 发布的论文“ Pre-training of Deep

本文介绍了面向NLP任务的迁移学习新模型ULMFit，只需使用极少量的标记数据，文本分类精度就能和数千倍的标记数据训练量达到同等水平。[ 导读 ]在本文中，我们将介绍自然语言处理在迁移学习上的最新应用趋势，并尝试执行一个分类任务：使用一个数据集，其内容是亚