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
甲维斯15 分钟前
我要开始吹牛逼了！Kimi K3 “宇宙无敌”！周末程序猿17 分钟前
图解 120 个大语言模型（LLM）核心概念（61-90）科技圈快迅23 分钟前
游戏投影仪和普通投影仪区别是什么？2026游戏投影仪测评陆枫Larry1 小时前
CPU 和 GPU 的核心区别与适用场景Aa99883341 小时前
AI视觉检测设备厂家的技术选型框架——密封件和磁材的缺陷分类与光学成像原理吴佳浩1 小时前
今天我们讲讲大模型的“核心”技术：蒸馏（Model Distillation）阿里云大数据AI技术1 小时前
阿里云 ES AI 引擎版：面向 Agent 场景，为亿级租户、千亿规模向量设计的搜索引擎郭小铭1 小时前
[开源] 做了一个本地优先的多 Agent 市场研究桌面：Evidence Loom星栈1 小时前
翻完 Pi 源码：它和 Codex、Claude Code 有何不同