Публикации по теме 'nlp'
Новый подход к FNC — Набор данных конкурса фейковых новостей, 2-е место в общем зачете с половиной ML
1 Аннотация
В эпоху Интернета нам дали роскошь бесконечных потоков быстро доступной информации. Хотя эта скорость передачи данных позволила нам продвинуться вперед с беспрецедентной скоростью, бремя сортировки того, что является правдой, а что нет, возросло для потребителя информации. Эта ложная информация или «фейковые новости» становится все более распространенной. Задача сортировки этой информации имеет монументальный масштаб, поэтому многие государственные учреждения и организации..
GPT: объяснение и реализация с нуля в PyTorch
В этой статье я собираюсь рассмотреть знаменитый генеративный предварительно обученный преобразователь из статьи Улучшение понимания языка с помощью генеративного предварительного обучения . В этой статье предлагается изучить генеративную языковую модель с использованием неразмеченных данных, а затем отрегулировать модель, предоставив примеры конкретных последующих задач, таких как классификация, анализ тональности, вывод текста и т. д. Это первая GPT из серии GPT-n, и оказалось, очень..
Перевод текста из социальных сетей (SMS) в официальный английский текст — Исправление грамматических ошибок с использованием DL
Оглавление:
1. Введение
2. Постановка задачи
3. Источник данных
4. Формулировка ML/DL
5. Показатели производительности
6. Похожие подходы к проблеме
7. Типы машинного перевода
8. Модель внимания
9. Исследовательский анализ данных
10. Подход к первому разрезу
11. Объяснение модели
12. Сравнение моделей
13. Рабочая демонстрация
14. Будущая работа
15. Ссылки
Введение:
Социальные сети — это неизбежная технология вокруг нас, которая помогает нам достигать,..
Демистификация приложений LLM: от исследований к реальности
В этой исследовательской статье рассматривается процесс создания приложения LLM (Language Model-based Learning) с использованием загрузчиков документов, вложений, векторных хранилищ и шаблонов подсказок. LLM становятся все более популярными в задачах обработки естественного языка из-за их способности генерировать связный и контекстуально релевантный текст. В этой статье обсуждается важность LLM, сравниваются подходы тонкой настройки и внедрения контекста, вводится LangChain и приводится..
Всеобъемлющий обзор «Внимание — это все, что вам нужно»
Новаторская статья «Внимание — это все, что вам нужно» Васвани и др. представила модель Transformer, которая произвела революцию в области обработки естественного языка (NLP). В документе продемонстрирована мощь механизма внимания как автономной архитектуры, которая устраняет необходимость в рекуррентных или сверточных сетях. В этом сообщении блога я подробно расскажу о ключевых концепциях, механизме внимания и общей архитектуре модели Transformer.
1. История
До модели Transformer..
Тонкая настройка BERT для классификации текста (групповая классификация 20 новостей)
Тонкая настройка BERT для классификации текста (групповая классификация 20 новостей)
2018 год стал годом прорыва в области НЛП. BERT от Google, глубокое двунаправленное обучение с использованием трансформатора, дало отличные результаты для многих задач НЛП. Поэтому в этом руководстве мы научимся использовать Keras-Bert на TPU (рекомендуется совместная работа с Google) и на графическом процессоре. Это просто и удобно.
BERT предоставляет предварительно обученную модель для..
КЛАССИФИКАТОР ФЕЙКОВЫХ НОВОСТЕЙ С ИСПОЛЬЗОВАНИЕМ LSTM — С ИСХОДНЫМ КОДОМ — ВЕСЕЛЫЙ ПРОЕКТ
Итак, ребята, в этом блоге мы будем внедрять классификатор фейковых новостей с использованием LSTM. Так что без каких-либо дополнительных должностей.
Полную статью с исходным кодом читайте здесь — https://machinelearningprojects.net/fake-news-classifier-using-lstm/
Посмотреть видео можно здесь — https://youtu.be/XcHtSSKE6PI
Давай сделаем это…
Шаг 1 — Импорт библиотек, необходимых для классификатора фейковых новостей.
import re
import nltk
import numpy as np
import pandas as..
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..