WedX - журнал о программировании и компьютерных науках

Публикации по теме 'nlp'


Объяснимый ИИ в НЛП:
Как мы можем убедиться, что модели НЛП прозрачны и интерпретируемы, особенно при принятии решений, влияющих на жизнь людей? Содержание: Введение Почему объяснимость важна в НЛП? Методы повышения интерпретируемости и прозрачности моделей НЛП Этические соображения Заключение Введение В последние годы обработка естественного языка (NLP) стала важным инструментом для автоматизации таких задач, как классификация текстов, языковой перевод и анализ настроений. С..

Введение в классификации в Watson Natural Language Understanding
Обработка естественного языка быстро становится одним из наиболее часто используемых инструментов искусственного интеллекта в различных отраслях. В области обработки естественного языка (NLP) существует большое количество разнообразных задач, которые обслуживают множество вариантов использования. Разделение текста на группы - одна из самых популярных задач НЛП. Классификация - это задача анализа входящего текста и присвоения этому тексту предопределенных меток. Этикетки могут быть..

Позиционная сеть прямой связи для позиционных вложений в трансформаторы
Позиционно-упреждающая сеть имеет следующие преимущества по сравнению с обычными позиционными вложениями в трансформаторах: Моделирование длинных последовательностей . Сеть с прямой связью по положению позволяет модели эффективно собирать информацию о местоположении, предоставляя обучаемое сопоставление индекса положения с непрерывным представлением. Это имеет решающее значение для моделирования долгосрочных зависимостей в последовательности. Обобщение до невидимых позиций . Сети с..

Вложения слов в НЛП и его приложениях
Вложения слов - это, по сути, форма представления слов, которая связывает человеческое понимание языка с машинным. Вложения слов - это распределенные представления текста в n-мерном пространстве. Они необходимы для решения большинства проблем НЛП. Адаптация предметной области - это метод, который позволяет моделям машинного обучения и трансферного обучения отображать нишевые наборы данных, которые написаны на одном языке, но все же лингвистически различны. Например, юридические..

О проекте ученых НЛП
Благодарности, предостережения, этические соображения и соответствующая работа О Эта работа началась как побочный проект, связанный с моими интересами в области визуализации информации, Антологии ACL и Академии Google. Должен признаться, я сильно недооценил количество усилий, которые потребуются для этого, но было приятно видеть большое количество интересных вопросов, которые можно исследовать с помощью данных. Связаться Саиф М. Мохаммад Twitter: @saifmmohammad Электронная..

Объяснение документов 08: DeBERTa
DeBERTa (BERT с улучшенным декодированием и распутанным вниманием) улучшает модели BERT и RoBERTa, используя два новых метода. Первый — это механизм распутанного внимания, в котором каждое слово представлено с помощью двух векторов, которые кодируют его содержимое и позицию соответственно, а весовые коэффициенты внимания среди слов вычисляются с использованием распутанных матриц их содержания и относительных позиций соответственно. Во-вторых, усовершенствованный декодер маски..

Освоение информационного поиска: создание интеллектуальных поисковых систем (глава 2)
Глава 2: TF-IDF и модели векторного пространства: помимо поиска по ключевым словам Справочная глава: «Оценка моделей поиска информации: подробное руководство по показателям производительности » Глава 1: «Поиск по ключевым словам: основа поиска информации » Глава 2: «TF-IDF и Модели векторного пространства: Помимо поиска по ключевым словам » Глава 3: «Скрытое семантическое индексирование: выявление скрытых отношений » Глава 4: «Word2Vec и Doc2Vec: определение семантических отношений..

Новые материалы

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]