| 共 463 篇文章 |
|
【NLP-NER】什么是命名实体识别？命名实体识别（Named Entity Recognition，NER）是NLP中一项非常基础的任务。如上面的例子所示，句子“小明在北京大学的燕园看了中国男篮 的一场比赛”，通过NER模型，将“小明 ”以PER，“北京大学”以ORG，“燕园”以LOC，“中国男篮”以ORG为类别分别挑了出来。[B-PER，E-PER，O, B-ORG，I-ORG，I-ORG，E-O... 阅1 转0 评0 公众公开 23-04-10 15:43 |
【知识图谱】知识抽取是什么，怎么做？如上所述，基于模板的实体扩展，就是假定目标实体与种子实体同属于某个语义类，则他们的上下文均符合特定的模板，通过总结这些模板，在语料中抽取同类的实体。基于统计的实体扩展可以认为是一个聚类的过程，他认为所有的实体都应该是名词或者名词短语，基于统计的实体扩展首先找出语料中所有的实体，然后... 阅1 转0 评0 公众公开 23-04-10 08:13 |
第一次见有人把Transformer、BERT和GPT大模型讲的这么通俗易懂！BERT模型的输入是两个序列，一个序列作为模型的输入，另一个序列作为模型的输出，模型需要判断这两个序列是否相互关联。GPT大模型（全称是Generative Pre-training Transformer）技术是一种使用自回归模型进行语言建模的预训练模型，和Bert一样它也采用了Transformer架构，并使用... 阅47 转1 评0 公众公开 23-04-01 20:11 |
Meta并且还给模型改了个名字OPT，也就是更open的预训练Transformer语言模型，简直是照着OpenAI的脸打呀。为了防止模型被滥用，Meta AI对于OPT-175B模型加了一个非商业许可，用户需要填写一个申请表，该模型的访问权限将授予学术研究人员；2018年，计算机科学家Margaret Mitchell提出「模型卡片」概念，通过对模型建立档案，可以让用户了解模型... 阅81 转2 评0 公众公开 23-03-06 15:46 |
需要指出的是这次开源的模型里较大的那个版本也只是到了GPT-3商用版里最小模型的参数量，不过Eleuther AI表示未来会进一步开源10B版本和原始大小版本的GPT3模型参数。而由Connor Leahy，Leo Gao和Sid Black三人联合创立的Eleuther AI的团队，于去年11月宣布推出GPT-Neo的开源项目，该项目基于GPT系列的设计原理，旨在复现GPT系列的各种项目，在... 阅70 转0 评0 公众公开 23-03-06 15:44 |
构建知识图谱的详细步骤。但是在这些步骤之前我们还要先完成 “构建模式、概念本体设计” 两个步骤，所以完整的步骤就是：构建模式、概念本体设计、知识抽取、知识融合、知识存储。我们构建知识图谱最终要的就是数据集，但是结构化的数据很少，大多都是半结构化数据和非结构化数据，所以需要将这些数据转化为结构化的数据，也就是三元组（主体... 阅633 转1 评0 公众公开 23-03-06 15:20 |
IoTDB 在该场景下 1.2 小时可以跑完测试，IoTDB 写入数据速率在 233.2 万条每秒，压缩比 81%，我们认为 IoTDB 数据库从压测数据看来整体具有优势。A1：IoTDB 不是直接替换 Prometheus 的，Prometheus 具有自身的数据分发和数据收集的模块，使用 IoTDB 作为外存目的是解决 Prometheus 的长时间数据持久化存储的问题。云智慧将 Prometheus 和 IoT... 阅193 转1 评0 公众公开 23-01-04 05:28 |
预训练语言模型 VS 预训练对话模型。基于对话数据独有的特点，在预训练模型的基础上，发展出独特的预训练对话模型。面向理解的预训练对话模型的出现，对于对话理解方面，相对于预训练语言模型，带来了巨大的提升，如上图所示，EMNLP2020 上的一篇文章（Probing Task-Oriented Dialogue Representation from Language Models）的实验结果，表明... 阅57 转2 评0 公众公开 23-01-04 05:15 |
面向可解释性的知识图谱推理研究。所谓知识图谱推理，就是在知识图谱中根据已有的知识来获得新知识的能力。将知识图谱高维、离散的数据，通过设计某种得分函数，将高维知识图谱嵌入到低纬连续的向量空间之中，将实体和关系表示成数值型的向量进行计算，其代表性的模型为 TransE 类型，近期研究的事 RotateE 模型或在双曲空间中嵌入的模型，其方... 阅4 转0 评0 公众公开 23-01-04 05:11 |
游戏中的因果推断：挑战与解决方案分布式低复杂度倾向性分数匹配分布式鲁棒双重稳健估计分布式面板双重差分总结与展望。针对实验数据缺乏的问题，利用观测数据：可使用 ATT（干预组处理效应，ATT=E[Y1-Y0|T=1]）来评估对受到干预人群的效应，例如使用倾向性得分匹配（PSM），PSM可以将干预组和对照组进行一对一匹配，并且可以提取匹配后的用户... 阅32 转0 评0 公众公开 23-01-04 05:08 |
