标签:NLP 上下文 AI 学习 extraction 抽取 应用领域 自然语言
学习目标
- 培养AI思维、建模能力;
- 扎实AI基础,不做调参侠;
- 解决问题的能力;
- 通过项目来了解核心技术。
方法
- 养成读文章的习惯,延伸资料;
- code;
- 写文章,整理思路,总结;
- 项目合作
问题–>转换为数学优化问题–>找合适的工具解决
chanllenge
- Mutiple ways to express(多种表达方式)
- Ambiguity(一词多义)
注意:需要结合上下文(context)
应用领域
机器翻译 GPU
深度学习:大量学习才有Google的效果
需要考虑语法、语义、上下文
基本方法:分词、词直译、所有排列、LM(选出最合适的句子)语言模型
问答系统
法律、医疗都有应用
情感分析
input、特征工程 model、输出情感值
也可以用深度学习模型
- 股票价格预测
- 舆情监控
- 产品评论
- 事件监测
自动摘要 text summarization(难)
Chatbot 聊天机器人
- 闲聊
- 意图识别(例如:想订一个机票)
information extraction****应用很多
从非结构化的信息中抽取感兴趣的点
- NER 命名实体识别
- 关系抽取 Relation extraction
- 事件检测
标签:NLP,上下文,AI,学习,extraction,抽取,应用领域,自然语言 来源: https://blog.csdn.net/weixin_40425145/article/details/111565239
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。