- 相关博文
- 最新资讯
-
XSS攻击 全称跨站脚本攻击（Cross Site Scripting），为了不跟层叠样式表（CSS）重名，所以叫XSS； 它是Web攻击中最常见的攻击手段之一！ 危害 攻击者在网站中嵌入恶意脚本（代码），当用户打开该网页时，脚本自动执行，它可以 盗取用户cookie、用户名密码 下载病毒木马 强行跳转页面 其他可怕的事。 原理 假设页面上有个需要用户填写...
-
- chaseSpace-L
- 2019年07月22日
-
-
不是每一个优秀的工程师都能在创业公司做得很好。过去六年里，我在三个创业公司（Ooyala，Quora，如今在Quip）面试过很多有希望的候选人，他们都有着在顶级的技术公司（比如谷歌）5年以上的工作经验，但在我们的面试中却表现得不好。这些人肯定不是差；事实上，他能胜任目前的工作。我们只是认为，他不会成为特别好的创业公司工程师。 在多年面试候选人，培训和指导其他工程师工作的过程中，我发现某些特质使得...
-
- linux服务器开发架构师
- 2019年07月24日
-
-
在今年的 IJCAI 2019 中，共设置了 38 个主题，涉及医疗、金融、教育等等领域和方向，我们从中挑选出 3 个主题以及精选论文，做一些简单的介绍。
-
本文介绍论文Probing Neural Network Comprehension of Natural Language Arguments，讨论BERT在ACRT任务下的成绩是否依赖虚假的统计线索，同时分享一些个人对目前机器学习尤其是自然语言理解的看法。
-
7月31日晚，自然语言处理领域最大顶会ACL 2019公布了今年的八个论文奖项，其中最佳长论文的获奖者被来自中国科学院大学、中国科学院计算技术研究所、腾讯 WeChat AI、华为诺亚方舟实验室、伍斯特理工学院等机构的联合论文所斩获。除了这篇最佳长论文，腾讯在今年的 ACL 会议上还有哪些研究论文被录取？今天，我们就用这篇文章为大家做介绍。
-
百度ERNIE 2.0发布！16项中英文任务表现超越BERT和XLNet
2019 年 3 月，百度正式发布 NLP 模型 ERNIE，其在中文任务中全面超越 BERT 一度引发业界广泛关注和探讨。今天，百度发布了 ERNIE 2.0，指出其在英文任务方面取得全新突破，在共计 16 个中英文任务上超越了 BERT 和 XLNet，取得了 SOTA 效果。目前，ERNIE 2.0 代码和英文预训练模型已开源。
-
从计算，到感知，再到认知，是大多数人都认同的人工智能技术发展路径。那么认知智能的发展现状如何？
-
SpanBERT：提出基于分词的预训练模型，多项任务性能超越现有模型！
本文提出了一个新的模型预训练方法 SpanBERT ，该方法能够更好地表示和预测文本的分词情况。新方法对 BERT 模型进行了改进，在实验中， SpanBERT 的表现优于 BERT 及其他基线，并在问答任务、指代消解等分词选择类任务中取得了重要进展。
-
一览微软在机器阅读理解、推荐系统、人机对话等最新研究进展 | ACL 2019
ACL 2019将于7月28日至8月2日在意大利佛罗伦萨举行。在本届大会的录取论文中，共有25篇来自微软亚洲研究院和微软（亚洲）互联网工程院。内容涵盖文本摘要、机器阅读理解、推荐系统、视频理解、语义解析、机器翻译、人机对话等多个热门领域。本文将为大家介绍来自不同领域中有代表性的8篇论文。
-
中文NLP的分词真有必要吗？李纪为团队四项任务评测一探究竟 | ACL 2019
通常，中文文本处理的第一步称为分词，这好像已经成为一种“共识”，但对其必要性的研究与探讨很少看到。本文中，作者就提出了一个非常基础的问题：基于深度学习方法的自然语言处理过程中，中文分词（CWS）是必要的吗？近日，香侬科技AI团队（Shannon AI）与斯坦福大学联合联合发表了一篇研究《Is Word Segmentation Necessary for Deep Learning of Chinese Representations》，并被ACL 2019接收。
-
刷新中文阅读理解水平，哈工大讯飞联合发布基于全词覆盖中文BERT预训练模型
为了进一步促进中文自然语言处理的研究发展，哈工大讯飞联合实验室发布基于全词覆盖（Whole Word Masking）的中文BERT预训练模型。我们在多个中文数据集上得到了较好的结果，覆盖了句子级到篇章级任务。同时，我们对现有的中文预训练模型进行了对比，并且给出了若干使用建议。
-
-
-
-
Deep Reading | 从0到1再读注意力机制，此文必收藏！
注意力机制（Attention）已经成为深度学习必学内容之一，无论是计算机视觉还是自然语言处理都可以看到各种各样注意力机制的方法。之前我们曾在一篇干货文章《关于深度学习中的注意力机制，这篇文章从实例到原理都帮你参透了》中，从实例到原理帮助大家参透注意力机制的工作原理。
-
-
Facebook增强版LASER开源：零样本迁移学习，支持93种语言
为了加速自然语言处理 (NLP) 在更多语言上实现零样本迁移学习 (zero-shot transfer learning)，Facebook 研究者扩展并增强了 LASER (Language-Agnostic Sentence Representations) 工具包，并在近期开源了这个项目。
-
本项目包含中文自然语言处理的语料集合，包括语义词、领域共时、历时语料库、评测语料库等。本项目简单谈谈自己对语言资源的感想以及目前自己进行语言资源构建的现状。
-
自然语言处理（NLP）是一门集语言学、计算机科学、人工智能于一体的科学，解决的是“让机器可以理解自然语言”——这一到目前为止都还只是人类独有的特权，因此被誉为人工智能皇冠上的明珠。
-
腾讯 AI Lab 表示，相比现有的公开数据，该数据在覆盖率、新鲜度及准确性上大幅提高，为对话回复质量预测和医疗实体识别等自然语言处理方向的业务应用带来显著的效能提升。
-
文本匹配是自然语言理解中的一个核心问题，它可以应用于大量的自然语言处理任务中，例如信息检索、问答系统、复述问题、对话系统、机器翻译等等。
活动
-
2019.09.05
-
2019.08.15
-
2019.09.06
精品推荐
热门推荐
学习资源
关于我们
关注「AI科技大本营」
转载 & 投稿（微信）：1092722531
商务合作（微信）：15222814505