使用基于特征增强的BiLSTM-CRF神经网络对出院总结中的药品相关的实体信息进行抽取
句法树（Syntex Tree）是对一个句子中不同组成元素间结构、层次和功能关系的通用描述方式。由于树可以被视为一种特殊的图，因此许多方法基于句法树进行图表征学习以辅助文本分类。
选自minimaxir 作者：Max Woolf 机器之心编译 参与：Geek AI、路 本文介绍了如何免费使用 Google Colaboratory 在 GPU 上快速训练文本生成神经网络，包括两
ShowMeAI为斯坦福CS224n《自然语言处理与深度学习(Natural Language Processing with Deep Learning)》课程的全部课件，做了中文翻译和注释，并制作成了GIF动图！
最近 ChatGPT 火的一塌糊涂，Chat就是聊天嘛，那GPT是什么意思呢？这篇文章就给大家介绍下：
“ ChatGPT 的 Transformer 神经网络架构，以及海量的数据训练让它能够像人类一样进行写作。”
选自GitHub 作者：minimaxir 机器之心编译 参与：Geek AI、路 本文是一个 GitHub 项目，介绍了 textgenrnn，一个基于 Keras/TensorFlow 的 Py
通过简简单单的几行代码，使用预训练神经网络生成文本，或者在任意文本数据集上训练你自己的任意规模和复杂度的文本生成神经网络。
AI 科技评论按：人们已经给神经网络找到了越来越多的事情做，比如画画和写诗，微软的小冰都已经出版了一本诗集了。而其实训练一个能写诗的神经网络并不难，Automattic 公司的数据科学家 Carly
AI 研习社：人们已经给神经网络找到了越来越多的事情做，比如画画和写诗，微软的小冰都已经出版了一本诗集了。而其实训练一个能写诗的神经网络并不难，Automattic 公司的数据科学家 Carly St
本文共1400字，建议阅读6分钟。 本文介绍仅需几行代码就能训练出任意大小和复杂度的文本的神经网络文本发生器。
本文为雷锋字幕组编译的技术博客，原标题To a Poem is a Bott the Stranger，作者 Carly Stambaugh。 翻译 | 于泽平 马雪洁 整理 | 凡江 编辑 | 吴璇 代码即诗歌。这是WordPress软件的哲学。 作为一位程序员和诗人，我一直很喜欢这句话。我决定换种方式思考这句话。 我想问，我能用代码写诗吗？我可不可以做一个可以写出原创诗歌的机器人？为了找出方法，我做了一个实验。 首先，我知道如果我的机器人想写诗，首先要让它读诗。2017年，许多作
最近在学习OCI的生成式AI相关方面的内容，对相关内容做一下整理，内容涉及LLM基础、LLM架构、提示（Promot）、微调（fine-tuning）、各种模型、OCI的生成式AI、RAG，及向量数据库等等。争取写出一个系列的内容。
在近日揭晓2018年收录论文名单中，腾讯知文团队有3篇一作长文被录取，我们将对文章进行简要解读，欢迎交流讨论。
ChatGPT是基于OpenAI的生成式预训练变换器（GPT）模型的自然语言处理技术。它通过大规模预训练和微调来生成高质量的自然语言文本。本文将详细探讨ChatGPT的技术原理，包括其架构、训练过程、生成机制和应用场景，并提供图文并茂的解释。
在本篇博客中，我们将探讨如何构建自己的ChatGPT（Generative Pre-trained Transformer），这是一种个性化语言模型，能够自动生成人类类似的文本内容。我们将逐步介绍了解ChatGPT和自然语言处理基础、构建ChatGPT之前的准备、数据收集和预处理、搭建ChatGPT模型、模型训练与优化、测试和评估、以及个性化语言模型的应用。同时，我们还将深入讨论面临的挑战，并提供相应的解决方案。最后，我们将展望个性化语言模型的未来发展方向。
自2022年底ChatGPT在全球AI界闪亮登场以后，你是不是经常听到AGI、LLM、GenAI、GPT和AIGC这几个词，但总是分不清它们到底是什么意思？
选自machinelearningmastery 机器之心编译 参与：Panda 对图像搜索和帮助视觉障碍者「查看」世界等应用而言，让图像带有文本描述是非常有价值的。使用人力标注显然不现实，而随着深度学习技术的发展，使用机器为图像自动生成准确的文本描述成为了可能。Jason Brownlee 博士的这篇文章对使用深度学习的图像描述进行了介绍，机器之心对本文进行了编译。 图像描述涉及到为给定图像（比如照片）生成人类可读的文本描述。这个问题对人类而言非常简单，但对机器来说却非常困难，因为它既涉及到理解图像的内容
争取每天更新 ? 126 蜗牛的历程： [入门问题] [机器学习] [聊天机器人] [好玩儿的人工智能应用实例] [TensorFlow] [深度学习] [强化学习] [神经网络
本文从两篇论文出发先简要介绍了自然语言处理的基本分类和基本概念，再向读者展示了深度学习中的 NLP。这两篇论文都是很好的综述性入门论文，希望详细了解自然语言处理的读者可以进一步阅读这两篇论文。 首先第一部分介绍了自然语言处理的基本概念，作者将 NLP 分为自然语言理解和自然语言生成，并解释了 NLP 过程的各个层级和应用，这一篇论文很适合读者系统的了解 NLP 的基本概念。 第二描述的是基于深度学习的 NLP，该论文首先描述了深度学习中的词表征，即从 one-hot 编码、词袋模型到词嵌入和 word2ve
选自arXiv 机器之心编译 参与：李亚洲、蒋思源 本文从两篇论文出发先简要介绍了自然语言处理的基本分类和基本概念，再向读者展示了深度学习中的 NLP。这两篇论文都是很好的综述性入门论文，希望详细了解自然语言处理的读者可以进一步阅读这两篇论文。 本文第一部分介绍了自然语言处理的基本概念，作者将 NLP 分为自然语言理解和自然语言生成，并解释了 NLP 过程的各个层级和应用，这一篇论文很适合读者系统的了解 NLP 的基本概念。 第二部分描述的是基于深度学习的 NLP，该论文首先描述了深度学习中的词表征，即从
作者：Sam Hill 编译：田奥，松清波，Aileen，龙牧雪 后台回复“小说”，可以下载神经网络创造的完整版新一部小说哦～ Winter is coming…… “权力的游戏”第七季史诗结局了，但是听说这个系列的最后六集最早要等到2019年春天的时候才会播出。 不过，这部剧进行到这里的最大赢家恐怕就是上图这位囧雪同学，毕竟他除了在剧里复活了，在剧外还和女野人“火吻”耶哥蕊特的扮演者露丝·莱斯利（Rose Leslie）订婚啦❤️ 吃完狗粮，说说该剧原著小说《冰与火之歌》的事。 冰火系列小说的第五部 《
原作 Joel Shor 机器感知高级软件工程师 编译自 谷歌开源博客 量子位 出品 一般情况下，训练一个神经网络要先定义一下损失函数，告诉神经网络输出的值离目标值偏差大概多少。举个例子来说，对于图像分类网络所定义的损失函数来说，一旦网络出现错误的分类结果，比如说把狗标记成了猫，就会得到一个高损失值。 不过，不是所有任务都有那么容易定义的损失函数，尤其是那些涉及到人类感知的，比如说图像压缩或者文本转语音系统。 GAN（Generative Adversarial Networks，生成对抗网络），在图像生成
AI科技评论4月7日消息，OpenAI在官网公布了一项最新的研究成果，介绍了一个可以高效学习情感表征的无监督系统，目前能够预测亚马逊评论中的下一个字符。 研究人员采用了线性模型，在一个小型但是被广泛采用的数据集（Standford Sentiment Treebank）上取得了非常高的情感分析准确度：OpenAI得到的准确度为91.8%，而之前最好的是90.2%。这一表现可以匹敌之前的监督系统，而且少用了30~100倍的标记样本。 此外OpenAI表示，其模型的表征还包含了一个独立的“情感神经元（senti
日前，OpenAI在官网公布了一项新研究成果，介绍了一个可以高效学习情感表征的无监督系统，它能够预测亚马逊评论中的下一个字符。 研究人员采用了线性模型，在一个小型但是被广泛采用的数据集（Standford Sentiment Treebank）上取得了非常高的情感分析准确度：OpenAI得到的准确度为91.8%，而之前最好的是90.2%。这一表现可以匹敌之前的监督系统，而且少用了30~100倍的标记样本。 此外OpenAI表示，其模型的表征还包含了一个独立的“情感神经元（sentiment neuron）”
从2010年起，深度神经网络开始在各个领域引发人工智能技术的重大突破。在语音识别领域，截止到2017年，借助于深度学习技术语音识别在Switchboard数据集上的词错误率下降到5.1%，基本可与人工识别相媲美；而在图像识别领域、机器翻译、语音合成技术等其他领域也取得了巨大进步，使得机器基本已经做到和人一样能听、能看、能说。随着人工智能技术这些领域的不断突破，人们也更期待看到自然语言处理技术（NLP）带来更多的创新。
原作 Joel Shor 机器感知高级软件工程师 Root 编译自 谷歌开源博客 量子位 出品 | 公众号 QbitAI 一般情况下，训练一个神经网络要先定义一下损失函数，告诉神经网络输出的值离目标值偏差大概多少。举个例子来说，对于图像分类网络所定义的损失函数来说，一旦网络出现错误的分类结果，比如说把狗标记成了猫，就会得到一个高损失值。 不过，不是所有任务都有那么容易定义的损失函数，尤其是那些涉及到人类感知的，比如说图像压缩或者文本转语音系统。 GAN（Generative Adversarial Netw
ChatGPT 发自 凹非寺 量子位 | 公众号 QbitAI Wolfram语言之父Stephen Wolfram，又来给ChatGPT背书了。 上个月，他还专门写过一篇文章，力荐自家的计算知识搜索引擎WolframAlpha，希望能跟ChatGPT来个完美结合。 大概表达的意思就是，“你计算能力不达标，那可以把我的’超能力’注入进去嘛”。 而时隔一个多月，Stephen Wolfram围绕“ChatGPT是什么”和“为什么它能这么有效”两个问题，再次发表万字长文做了番深入浅出的详解。 （为了保证阅读
自然语言处理（Natural Language Processing，NLP）是人工智能领域的重要研究方向之一。循环神经网络（Recurrent Neural Network，RNN）作为一种特殊的神经网络结构，在NLP领域具有广泛的应用。本文将详细介绍RNN在自然语言处理中的应用，并讨论一些挑战和解决策略。
来源：量子位本文约7500字，建议阅读10分钟本文介绍了“ChatGPT是什么”和“为什么它能这么有效”两个问题。 Wolfram语言之父Stephen Wolfram，又来给ChatGPT背书了。 1月，他还专门写过一篇文章，力荐自家的计算知识搜索引擎WolframAlpha，希望能跟ChatGPT来个完美结合。 大概表达的意思就是，“你计算能力不达标，那可以把我的‘超能力’注入进去嘛”。 而时隔一个多月，Stephen Wolfram围绕“ChatGPT是什么”和“为什么它能这么有效”两个问题，再
给出一个包含同形异义词（homonym）的句子，如「He is a great bass player who hates eating bass」，人类可以相当自信地理解前一个「bass」是一种乐器贝斯，后一个「bass」是一种淡水鱼。而 AI 算法很可能无法解决如此简单的文本歧义问题。「威诺格拉德模式」（Winograd Schema，机器需要识别问题中的前指关系，即指出问题中某一代词的先行词）也能难倒 AI 系统。经典例子是「The trophy doesn』t fit in the suitcase because it is too big.」。这句话中，AI 系统很难确定「it」指「trophy」还是「suitcase」。
自然语言处理（Natural Language Processing，NLP）是人工智能领域中备受关注的研究领域之一，它旨在使计算机能够理解、处理和生成自然语言文本。从智能助手到情感分析，NLP技术已经在各种领域中取得了巨大的成功。本文将带您深入探讨NLP的核心原理、常见任务以及如何使用Python和NLP库来实现这些任务。我们将从基础开始，逐步深入，帮助您了解NLP的奥秘。
文学与创意写作一直是人类独特的表达方式，然而，随着机器学习技术的迅猛发展，其在文学领域的应用也逐渐成为一个备受关注的话题。本文将深入讨论机器学习在文学与创意写作中的应用，通过一个实例项目详细介绍部署过程，并探讨这一领域的未来发展。
本文介绍了深度神经网络在自动文本摘要任务中的研究进展。首先介绍了自动文本摘要任务的基本概念，然后详细阐述了基于深度神经网络的自动文本摘要方法，包括基于抽取式摘要和基于生成式摘要的方法。最后，文章对自动文本摘要方法的未来发展方向进行了探讨。
随着近几年文本信息的爆发式增长，人们每天能接触到海量的文本信息，如新闻、博客、聊天、报告、论文、微博等。从大量文本信息中提取重要的内容，已成为我们的一个迫切需求，而自动文本摘要（automatic text summarization）则提供了一个高效的解决方案。 根据Radev的定义[3]，摘要是“一段从一份或多份文本中提取出来的文字，它包含了原文本中的重要信息，其长度不超过或远少于原文本的一半”。自动文本摘要旨在通过机器自动输出简洁、流畅、保留关键信息的摘要。 自动文本摘要有非常多的应用场景，如自动报
自然语言处理领域正在从统计方法转变为神经网络方法。 自然语言中仍有许多具有挑战性的问题需要解决。然而，深度学习方法在一些特定的语言问题上取得了最新的成果。这不仅仅是深度学习模型在基准问题上的表现，基准问题也是最有趣的；事实上，一个单一的模型可以学习词义和执行语言任务，从而消除了对专业手工制作方法渠道的需要。 在这篇文章中，你会发现7个有趣的自然语言处理任务，也会了解深度学习方法取得的一些进展。 文本分类 语言建模 语音识别 字幕生成 机器翻译 文档摘要 问答（Q&A） 我试图专注于你可能感兴趣的各种类型的终
李林、舒石 编译自 OpenAI官方博客 量子位出品 | 公众号 QbitAI OpenAI公布了一项最新成果：一个无监督的系统，很好的学会了表征感情。尽管这个系统目前只用亚马逊商品的顾客评价做了训练，能预测评价文本中的下一个字。 这项研究还发现一个独特的“情感神经元”，包含几乎所有的情感信号。 而且OpenAI这个模型可以用来生成文本，还能直接控制结果文字的情感……所以可能网上的人工水军们，正面临失业的威胁…… 使用这一方法的线性模型，在Stanford Sentiment Treebank上，实现了目前
对人类来说，将带有文字的图像锐化是很容易的。以图1为例。 图1：被锐化的图像 把图1恢复为图2也不是件很困难的事。 图2：原图 然而，我们太懒了的，并且不想这样做，所以我们尝试用神经网络来自动实现图
【导读】自科幻电影诞生以来，社会一直对人工智能着迷。 每当我们听到“AI”一词时，我们的第一个想法通常是电影中的未来机器人，如终结者和黑客帝国。尽管我们距离可以自己思考的机器人还有几年的时间，但在过去几年中，机器学习和自然语言理解领域已经取得了重大进展。 个人助理（Siri / Alexa），聊天机器人和问答机器人等应用程序真正彻底改变了我们与机器和开展日常生活的方式。自然语言理解（NLU）和自然语言生成（NLG）是人工智能发展最快的应用之一，因为人们越来越需要理解和从语言中获得意义，其中含有大量含糊不清的结构。 根据Gartner的说法，“到2019年，自然语言生成将成为90％的现代BI和分析平台的标准功能”。 在这篇文章中，我们将讨论NLG成立初期的简短历史，以及它在未来几年的发展方向。
在人工智能的大潮中，机器学习项目琳琅满目。哪些项目是兼具代表性和实用性的呢？近日，一位名为 Kajal Yadav 的作者列出了 8 个经典的机器学习项目，实用又有趣。目前已在 medium 上获赞 1.7K。
选自arXiv 作者：William Fedus等 机器之心编译 参与：Jane W、李泽南 生成对抗网络（GAN）自推出以来，在计算机视觉领域中引起了一股风潮，在自然语言处理中却鲜有研究。看来，这或许需要 GAN 的提出者 Ian Goodfellow 自己来推动。谷歌大脑 William Fedus、Ian Goodfellow 和 Andrew M. Dai 共同提交的论文中，研究人员使用 GAN 和强化学习方法在 NLP 中做了自己的探索。目前，该论文已提交至 ICLR 2018 大会。 前言 循
本文结构： 什么是神经网络 什么是神经元 神经网络的计算和训练 代码实现 1. 什么是神经网络 神经网络就是按照一定规则将多个神经元连接起来的网络 例如全连接(full connected, FC)神经网络，它的规则包括： 有三种层：输入层，输出层，隐藏层。 同一层的神经元之间没有连接。 full connected的含义：第 N 层的每个神经元和第 N-1 层的所有神经元相连，第 N-1 层神经元的输出就是第 N 层神经元的输入。 每个连接都有一个权值。 不同的神经网络，具有不同的连接规则 2. 什么
安妮 编译整理 量子位出品 | 公众号 QbitAI 近日，哈佛大学的三名研究人员公开发表论文《Challenges of Data-to-Document Generation》，利用NBA的比赛结
【新智元导读】牛津大学和 DeepMind 联合推出了《NLP深度学习课程》，专攻基于深度学习的自然语言处理，涉及递归神经网络、B-P、LSTM、注意力网络、记忆网络、神经图灵机等技术要点。新智元整理了这门课程及其亮点。无论你是否专攻自然语言处理，对深度学习感兴趣的人都能从中受益。 在2017年1月开始的这个学期，牛津大学联合 DeepMind 自然语言研究团队，推出了“NLP深度学习”这门课程（Deep Learning for Natural Language Processing）。课程共 8 周。内
安装虚拟环境：为了隔离依赖并防止与其他Python项目冲突，最好为ChatGPT开发创建一个虚拟环境。
编译：ShanLIU、Chloe、笪洁琼、Harry 作者：Seth Weidman 阅读这篇文章的必要性： 无论是作为行业内的从业者还是一个组织，在开始深度学习应用之前，都需要掌握两件事： 1. 知其然：掌握一个基础概念，知道深度学习的最新发展可以实现什么。 2. 知其所以然：训练一个新模型或在生产环境下运行一个已有模型的技术能力 得益于开源社区的优势，我们获得“知其所以然”能力的途径越来越多。网上有大量优质的教程，讲解如何训练、使用深度学习模型的技术细节，例如借助TensorFlow这样的开源软件库来
深度学习的迅猛发展使得各种神经网络架构得以涌现，其中之一就是循环神经网络（Recurrent Neural Network，简称RNN）。RNN具有处理序列数据的强大能力，被广泛应用于自然语言处理、时间序列分析等领域。本文将深入探讨RNN的基本原理、应用场景，并结合实例演示其在自然语言生成任务中的应用。
本文结构： 什么是神经网络 什么是神经元 神经网络的计算和训练 代码实现 ---- 1. 什么是神经网络 神经网络就是按照一定规则将多个神经元连接起来的网络 例如全连接(full connected, FC)神经网络，它的规则包括： 有三种层：输入层，输出层，隐藏层。 同一层的神经元之间没有连接。 full connected的含义：第 N 层的每个神经元和第 N-1 层的所有神经元相连，第 N-1 层神经元的输出就是第 N 层神经元的输入。 每个连接都有一个权值。 不同的神经网络，具有不同的连接规则 --
在字符上使用 CNN 或 LSTM 以获得基于字符的词表示的做法现在相当普遍，特别是对于形态信息重要或有许多未知单词的丰富的语言和任务，效果更加明显。据我所知，序列标签使用基于字符的表示（Lample 等人，2016；普兰克等人，2016），可以减轻在计算成本增加的情况下必须处理固定词汇表的需要，并支持完全基于字符的 NMT （Ling 等人， 2016；Lee 等人，2017）。
| 导语 随着近几年文本信息的爆发式增长，人们每天能接触到海量的文本信息，如新闻、博客、聊天、报告、论文、微博等。从大量文本信息中提取重要的内容，已成为我们的一个迫切需求，而自动文本摘要（automatic text summarization）则提供了一个高效的解决方案。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
