今天简单聊聊自然语言处理(NLP):自然语言处理就是让计算机能够看懂(NLU)和生成(NLG)人类语言的过程.分别衍生出了基于NLU的Bert方向和NLG方向的GPT.在训练模型前需对文本进行预处理.(文本预处理就是文本给到模型前做的所有动作)因为数据决定了模型的上限,指导模型进行超参数选择,也能更好地评估模型.常见文本预处理包括:文本特征处理:增加特征,标准化,归一化,处理缺失值等,数据不均衡:重采样.文本处理基本方法:分词(常用jieba库,也可写入自定义词典),词性标注(POS),命名实体识别(ENR).文本张量表示方法:将一段文本进行张量表示的过程,目的是计算机能够识别,方便进行模型训练.词向量的表示方式:one-hot:一个n*n的单位矩阵.操作简单,便于理解.占用内存太多,容易维度爆炸.word2vec:将单词转化成词向量进行自然语言处理的技术,用深度学习网络来探索单词之间的语义关系,深度学习网络权重参数表示词向量.是无监督语料上构建的有监督任务.用到的两种训练方式:CBOW:简单来说就是根据两头的词预测中间的词,Skip-Gram就是根据中间的词预测两头的词.wordEmbedding:将词映射到指定维度的词向量空间,自定义的神经网络模型,权重和参数参与更新.
相关推荐
FII工业富联科技服务6 小时前
Omniverse + Isaac Teleop + 合成数据：工业富联机器人大脑训练+执行落地闭环拆解东风破_6 小时前
大模型格式化输出Shockang6 小时前
AI 研究偏好模型ZGIAI6 小时前
律师最贵的不是知识，是时间：哪些工作真的可以先交给 Agent？东风破_6 小时前
讲透 SSE：从流式响应到 LangChain model.stream()β添砖java7 小时前
深度学习31注意力机制、注意力分数、使用注意力机制的seq2seq、自注意力ZGIAI7 小时前
销售团队最缺的不是另一个 AI，而是有人把跟进这件事一直做下去隔窗听雨眠8 小时前
MCP会成为Agentic AI的标准吗？技术演进、生态博弈与标准之路的深度分析2601_967659888 小时前
2026年多个网页快速提取重点、自动汇总、对比并整理成表格的AI工具清单IT古董8 小时前
AI资讯日报｜2026年9月5日：GPT-6 Astra全量推送却遭“翻车“，奥特曼紧急致歉一天12条大新闻：OpenAI翻车、英伟达收购、最狠AI法案出台