HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
迁移学习NLP:BERT、ELMo等直观图解
<blockquote<strong摘要:</strong 图解,2018年自然语言处理领域最成功的方向!</blockquote2018年是自然语言处理的转折点,能捕捉潜在意义和关系的方式表达单词和句子的概念性理解正在迅速发展。此外,NLP社区已经出现了非常强大的组件,你可以在自己的
一文了解自然语言处理神经史(下)
<blockquote<strong摘要:</strong 越来越火的NLP到底经历了什么?</blockquote2014年序列到序列模型2014年,Sutskever等人提出序列到序列学习,一种通过神经网络将一个序列映射到另一个序列的通用框架。在该框架中
NLP入门(五)用深度学习实现命名实体识别(NER)
前言 在文章:NLP入门(四)命名实体识别(NER)(https://link.segmentfault.com/?encDH8sIJAQzKclrNdEjD%2Fsdg%3D%3D.jtvetARqiBnOAqU84YekYe%2F%2BAErMxtJXBWvdcLdn6GD
NLP入门(四)命名实体识别(NER)
本文将会简单介绍自然语言处理(NLP)中的命名实体识别(NER)。 命名实体识别(NamedEntityRecognition,简称NER)是信息提取、问答系统、句法分析、机器翻译等应用领域的重要基础工具,在自然语言处理技术走向实用化的过程中占有重要地位。一般来说,命名实体识别的任务就是识
NLP入门(三)词形还原(Lemmatization)
词形还原(Lemmatization)是文本预处理中的重要部分,与词干提取(stemming)很相似。 简单说来,词形还原就是去掉单词的词缀,提取单词的主干部分,通常提取后的单词会是字典中的单词,不同于词干提取(stemming),提取后的单词不一定会出现在单词中。比如,单词“cars”词形还
结巴分词原理
介绍结巴分词是一个受大家喜爱的分词库,源码地址为github(https://link.segmentfault.com/?encjYZJeEv12b%2FMq74YxZcfKw%3D%3D.HZI11Ka2PH3RA87DJFF40T7f1fjl7O0IbErBWJnuvis%3
NLP入门(二)探究TF-IDF的原理
TFIDF介绍 TFIDF是NLP中一种常用的统计方法,用以评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度,通常用于提取文本的特征,即关键词。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。 在NLP中,TFID
NLP入门(一)词袋模型及句子相似度
本文作为笔者NLP入门系列文章第一篇,以后我们就要步入NLP时代。 本文将会介绍NLP中常见的词袋模型(BagofWords)以及如何利用词袋模型来计算句子间的相似度(余弦相似度,cosinesimilarity)。 首先,让我们来看一下,什么是词袋模型。我们以下面两个简单句子为例:
自然语言处理工具包 HanLP在 Spring Boot中的应用
!全新的MacMini(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/78a9bfcb7f75f14ca49a4c4bffc68464.png)<blockquote本文共782字,阅读大约需要2分钟!</bl
手把手教你数据不足时如何做深度学习NLP
<blockquote<strong摘要:</strong 还在发愁没有数据做深度学习,看看别人如何实现的把!</blockquote!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/a593e57c13b967f
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。