基于GPT-2进行文本生成
文本生成是自然语言处理中一个重要的研究领域,具有广阔的应用前景。国内外已经有诸如Automated ....
领域迁移一种简单而有效的方法Alter
如图2所示,Transformer模型一般由输入嵌入层、输出层和若干结构相同的Transformer....
迁移学习Finetune的四种类型招式
迁移学习广泛地应用于NLP、CV等各种领域,通过在源域数据上学习知识,再迁移到下游其他目标任务上,提....
视觉语言预训练(VLP)模型的最新进展
让机器做出与人类相似的反应一直是 AI 研究不懈追求的目标。为了让机器具有感知和思考的能力,研究人员....
一文详解知识增强的语言预训练模型
随着预训练语言模型(PLMs)的不断发展,各种NLP任务设置上都取得了不俗的性能。尽管PLMs可以从....
Transformers研究方向
要说 BERT 为什么性能卓越,主要是它改变了 NLP 模型的训练方式。先在大规模语料上训练出一个语....
cosFormer:重新思考注意力机制中的Softmax
商汤多模态研究组认为,近似操作本身存在的误差使得其效果很难超越Softmax Attention。我....
论辩挖掘在不同领域下的应用
论辩研究和推理是一个涉及到逻辑、语言、计算机等多学科领域的过程,在人工智能兴起的时代,计算论辩试图将....
文本纠错是自然语言处理的第一道坎
对于政务公文、新闻出版等行业来说,一款针对以中文为母语的用户所使用的校对系统将会有更大的帮助。因此,....
基于神经转移模型的论辩挖掘任务
论文提出了一种针对论辩挖掘任务的新方法,该方法通过产生一系列的动作来逐步构建出一个论证图,从而有效地....
命名实体识别实践 - CRF
CRF,英文全称为Conditional Random Field, 中文名为条件随机场,是给定一组....
命名实体识别实践 - CRF
CRF,英文全称为Conditional Random Field, 中文名为条件随机场,是给定一组....
一种全新易用的基于Word-Word关系的NER统一模型
最近的研究都在考虑如何通过一个大一统模型一次性解决这三种问题。目前的最佳的方法基本都是基于span-....
万能的prompt还能做可控文本生成
随着 Prompting 技术的大火,我们一直在思考,Prompt 究竟能够带来什么?我们都说,Pr....
带你从头构建文本分类器
文本分类是 NLP 中最常见的任务之一, 它可用于广泛的应用或者开发成程序,例如将用户反馈文本标记为....
Propt learnimng是如何发展形成的
Prompt learning作为近期NLP的新宠,热度不断攀升,在接下来的一段日子,大概率还是会处....
如何实现更绿色、经济的NLP预训练模型迁移
NLP中,预训练大模型Finetune是一种非常常见的解决问题的范式。利用在海量文本上预训练得到的B....
对比学习的关键技术和基本应用分析
对比学习的主要思想是相似的样本的表示相近,而不相似的远离。对比学习可以应用于监督和无监督的场景下,并....
关于PaddleNLP你了解多少
作者:刘健健 来自:ChallengeHub Twitter 的推文有许多特点,首先,与 Faceb....
解读数据挖掘在智慧医疗领域的应用
本项目是通过学习机器学习与人工智能、数据挖掘的理论知识,将理论运用于智慧医疗等应用探索中,从而产出高....
关于边界检测增强的中文命名实体识别
引言 命名实体识别(Named Entity Recognition,NER)是自然语言处理领域的一....