Calibration: 一个工业价值极大，学术界却鲜有研究的问题！ 11
尽管深度学习给工业界带来了一波上线春天，但是总有很多比较难的业务，模型反复迭代后准确率依然达不到预期的产品标准，难以满足用户期望。 以下为工业界常见讨（si）论（b）场景： R&D小哥哥一顿调参输出，RoBERTa都用上了，终于将模型从80%准确率提升到了90%，但是PM小姐姐说，“不行！咱们必须要达到95%准确率才能上线！否则就是对用户和产品逼格的伤害！” 怎么办呢？ 熟悉工业界上线套路...
看论文头疼吗？这里有一份学术论文阅读指南请查收~ 3
【导读】对于从事学术研究的人来说，跟进最新的论文是必备的科研素质之一。但面对海量的论文更新，应该如何快速又有效地阅读论文，吸收其精华？ KyleM Shannon 为我们提供了一份论文阅读经验总结，包括了系统的阅读方法，以及一份阅读论文时应该带着的问题清单。希望看完的各位，下次阅读论文时不再“瑟瑟发抖”~ 作者 | KyleM Shannon 编译 | Xiaowen 来源 | 专知 Guidet...
step-by-step: 夕小瑶版神经网络调参指南（上） 11
距离上一篇文章已经过去好久好久好久啦。闭关几个月后，其实早有继续码文章的打算，先后写了一下核函数与神经网络的一些思考、文本预处理tricks、不均衡文本分类问题、多标签分类问题、tensorflow常用tricks、噪声对比估算与负采样等文章，结果全都半途而废，写了一半然后各种原因丢掉了就不想再接着写。结果电脑里稿子攒了好多，却让订阅号空了这么久。今天终于下定决心必须要码一篇了，下午临时决定写一篇...
推荐模型是怎样由窄变宽、越变越深的？ 4
当前，深度学习推荐模型已经成功应用于推荐、广告、搜索等领域，但在了解它之前，简单回顾传统推荐模型仍是有必要的，原因如下： 即使在深度学习空前流行的今天，协同过滤、逻辑回归、因子分解机等传统推荐模型仍然凭借其可解释性、硬件环境要求低、易于快速训练和部署等不可替代的优势，在实际系统中备受青睐。 传统推荐模型是深度学习推荐模型的基础，很多深度学习推荐模型，比如基于因子分解机支持的神经网络(FNN)、深度...
天天说常识推理，究竟常识是什么？ 9
写这篇文章的时候，我去搜了搜常识的例子。 “睁开眼睛打喷嚏是不可能的。（还真没留意。）““北极熊是左撇子。“”长颈鹿没办法咳嗽。” 呃？好吧，我需要补一补自己的常识。那么这些所谓的“常识”真的是常识吗？ 关于常识的研究近年来是比较火热的话题，在NLP领域，研究的方向主要有两条线，一是各种benchmark数据集的构建，各种刷榜以测试我们的模型是否具备某些类型的常识；二是常识知识图谱的构建，关注点主...
那些击溃了所有NLP系统的样本 10
非常重要的前言 无论你是PM还是QA还是java开发，请不要拿本文刺激你身边的NLP工程师，人生已经如此的艰难，有些事情就 击溃拼音标注系统篇 写给卖豆芽的对联，我想打印出拼音 长长长长长长长，长长长长长长长。 (solution: changzhangchangzhangchangchangzhangzhangchangzhangchangzhangzhangchang, zhangchan...
EMNLP'20最佳论文揭晓！八块肌肉=能打电话？！ 7
背景 今天上午十点刚刚颁布的EMNLP 2020最佳论文，获奖者是来自UCBerkeley团队的这篇Digital Voicing of Silent Speech。 刷了那么多NLP论文，各种pretraining、BERT、XXX-former...是不是都快刷出审美疲劳了？今年的EMNLP best paper绝对耳目一新！!工作研究了一个极具潜在社会影响力的新任务：Silent Speec...
NLP哪个细分方向最具社会价值？ 14
让我们来大胆设想一个场景，老板突然发财搞到一笔钱，大手一挥给你五百万，让你去做自然语言处理的研究，你该先研究哪一个细分领域？ 机器翻译好像不错，信息抽取也很必要，对话系统更是 NLP 落地的重要方向。而如何评估这些 NLP 任务的重要程度是一个极其开放的问题，从商业价值应用前景的角度出发是一套评价体系，从科学研究学科贡献角度出发又是另一套排名标准，但如果将我们的高度拔高一点，站在一个社会成员的角度...
-
2023-01-15
-
2023-01-14
-
2023-01-14
-
2023-01-14
-
2023-01-14
推广返利