BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

  • 他的粉丝

    上交大提出支持并行计算的SRNN:比RNN快136倍!(代码已开源)

    作者 马卓奇 关注 5 他的粉丝 发布于  2018年8月30日

    本文介绍了切片循环神经网络,可以通过将序列分割成多个子序列来实现并行化计算。SRNN具有通过多层网络和极少的额外参数来获得高层次信息的能力。不需要改变循环单元,SRNN的速度便可以达到标准RNN的136倍,而且训练更长的序列时,SRNN的速度能够更快。作者在六个大规模情感分析数据集上进行了实验,实验结果表明SRNN比标准的RNN具有更好的性能。

  • 他的粉丝

    阿里巴巴AAAI 2018录用论文:基于词尾预测提高英俄翻译质量

    作者 阿里巴巴iDST-NLP-翻译平台团队 关注 2 他的粉丝 发布于  2018年1月8日

    阿里巴巴提出了一种创新的方法,不仅能够通过控制翻译粒度来减少数据稀疏,进而减少“未登录词”,还可以通过一个有效的词尾预测机制,大大降低目标端俄语译文的形态错误,提高英俄翻译质量。

  • 他的粉丝

    最全面的百度NLP自然语言处理技术解析

    作者 田宁宁 关注 2 他的粉丝 发布于  2017年11月14日

    自然语言处理技术 在百度已经有悠久的历史,早在百度诞生之时就成为搜索技术的重要组成部分,一直伴随着百度的发展而进步,并已成功应用在百度各类产品中。近期由百度开发者中心主办、极客邦科技承办的75期百度技术沙龙上,百度NLP和AI开放平台的多位资深工程师和产品经理,针对开发者如何利用百度NLP技术,更好解决实际应用问题,进行了具体分享。

他的粉丝

专访李维:NLP助力电商智能化的台前幕后

作者 李维 关注 2 他的粉丝 发布于  2017年10月31日

随着深度学习在图像识别、语音识别及其他感知智能领域大放异彩,人们对深度学习在自然语言处理(NLP) 的价值也寄予了厚望。再加上 AlphaGo 的成功,人工智能的自然语言研究和应用变得炙手可热。NLP 作为人工智能领域的认知智能,成为目前大家关注的焦点。

他的粉丝

深度学习利器:TensorFlow与NLP模型

作者 武维 关注 6 他的粉丝 发布于  2017年8月14日

本文作者将主要结合 TensorFlow 平台,讲解 TensorFlow 词向量生成模型(Vector Representations of Words);使用 RNN、LSTM 模型进行语言预测;以及 TensorFlow 自动翻译模型。

他的粉丝

浅谈机器翻译之瓶颈及目前的研发趋势

作者 苏克毅 关注 0 他的粉丝 , 姚念祖 关注 0 他的粉丝 发布于  2016年2月5日

机器翻译是个很吸引人的研究题材,但却因为自然语言中的歧义和语法不合设定问题,而造成研发上的障碍。近年来,由于语料库资源的快速发展,可从双语语料库内自动抽取知识的参数式系统,逐渐取代了传统的规则库系统,成为研发的主流。

他的粉丝

R语言中的情感分析与机器学习

作者 王成军 关注 0 他的粉丝 发布于  2016年2月4日

利用机器学习可以很方便的做情感分析。本文将介绍在R语言中如何利用机器学习方法来做情感分析。

他的粉丝

用“一袋子词”进行情感分析

作者 董志南 关注 0 他的粉丝 发布于  2016年2月4日

NLP中的一袋子词(bag-of-words)模型在主题分类上做得很好,但是涉及到情感分类,它做得怎么样呢?

他的粉丝

2016年,文本分析、情感分析和社交分析的10大趋势

作者 Seth Grimes 关注 0 他的粉丝 ,译者 董志南 关注 0 他的粉丝   发布于  2016年2月4日

文本分析、情感分析和社交分析帮助你转化成客户、病人、公众以及市场的“声音”。它们从线上、社交网络、企业数据源中提取商业洞察力。著名的分析战略顾问Seth Grimes对2016年,文本分析、情感分析和社交分析的发展趋势进行一个前瞻性的观察。

他的粉丝

问答系统的前生今世

作者 李维 关注 2 他的粉丝 发布于  2016年2月4日

自从 Siri 第一次把问答系统送到千万人的手掌心后,如今又出了微软小冰和小娜。其实,中外所有IT巨头都在这方面加大了投入。那么对于时下十分流行的问答系统,它的前生今世是怎样的呢? 1

他的粉丝

文本数据的机器学习自动分类方法(下)

作者 张健 关注 17 他的粉丝 发布于  2016年1月26日

以统计理论为基础,利用机器学习算法对已知的训练数据做统计分析从而获得规律,再运用规律对未知数据做预测分析,已成为文本分类领域的主流。InfoQ联合“达观数据“共同策划了《文本大数据的机器学习自动分类方法》系列文章,为您详细阐述机器学习文本分类的基本方法与处理流程。

他的粉丝

文本数据的机器学习自动分类方法(上)

作者 张健 关注 17 他的粉丝 发布于  2016年1月26日

以统计理论为基础,利用机器学习算法对已知的训练数据做统计分析从而获得规律,再运用规律对未知数据做预测分析,已成为文本分类领域的主流。InfoQ联合“达观数据“共同策划了《文本数据的机器学习自动分类方法》系列文章,为您详细阐述机器学习文本分类的基本方法与处理流程。 2

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT