
NLP
iFlyAI
FlyAI 新一代AI竞赛社区
FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台。每周免费提供项目开源算法样例,支持算法能力变现以及快速的迭代算法模型。
挑战者,都在FlyAI!
展开
-
BiliBili 100+国际名校免费公开课整理分享
本资源这是一份公开课的目录,这里的视频大多来自 YouTube 等国内无法访问的网站,为了方便国内的朋友观看,作者将这些视频搬运到了BiliBili。资源整理自网络,源地址:https://github.com/wenhan-wu/OpenCourseCatalog所有课程下载地址:BiliBili 100+国际名校免费公开课整理分享数学 / Math新南威尔士大学 数学史 (UNSW, Math History: A course in the History of M...转载 2020-10-15 15:18:46 · 1890 阅读 · 0 评论 -
医学AI又一突破,微软开源生物医学NLP基准:BLURB
摘要:BLURB 包括 13 个公开可用的数据集,涉及 6 个不同的任务。为了避免偏重多可用数据集的任务,如命名实体识别(NER),BLURB 的报告和排名,将所有任务的宏观平均数作为主要得分。BLURB 排行榜是不分模型的。任何能够 ...人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台。每周免费提供项目开源算法样例,支持算法能力变现以及快速的迭代算法模型。..原创 2020-08-11 15:10:05 · 558 阅读 · 0 评论 -
算法框架-一文了解深度推荐算法的演进
近些年,随着深度学习理论,GPU 和 CPU 等计算机硬件,TensorFlow、Caffe、PyTorch 等算法平台的发展,深度学习算法在个性化推荐、计算机视觉、自然语言处理、语音识别等领域大放光彩。本文从神经网络结构的角度梳理深度推荐算法的发展,把近几年业界主流的算法归纳为四个阶段的网络结构:Embedding+MLP 的网络结构,基于特征组合的网络结构,基于用户行为序列的网络结构和融入知识图谱的网络结构。1 基于 Embedding+MLP 的网络结构2016 年,谷歌发表的 Wide&am转载 2020-07-06 15:39:54 · 1147 阅读 · 0 评论 -
深度学习入门想想MNIST技术详解
在MNIST数据集上准确率99.26%1、项目简介MNIST项目基本上是深度学习初学者的入门项目,本文主要介绍使用keras框架通过构建CNN网络实现在MNIST数据集上99+的准确率。2、数据集来源MNIST手写数字数据集是深度学习中的经典数据集,该数据集中的数字图片是由250个不同职业的人手写绘制的,其中训练集数据一共60000张图片,测试集数据一共10000张图片。每张手写数...原创 2019-11-12 15:45:51 · 724 阅读 · 0 评论 -
搜狗新闻文本分类竞赛
FlyAI搜狗新闻文本分类项目1、项目简介搜狗新闻文本分类项目是NLP的入门项目,本文主要介绍使用keras框架通过构建CNN+BiGRU网络实现在搜狗新闻文本数据集上91+的准确率。2、数据集来源该数据集来自若干新闻站点2012年6月—7月期间国内,国际,体育,社会,娱乐等18个频道的新闻数据。根据新闻正文内容分析新闻的类别数据集官网链接: The SogouTCE. 该数据集样...原创 2019-11-12 15:40:45 · 1847 阅读 · 0 评论 -
NLP实战|如何用280多万条豆瓣影评预测电影评分?
为了预测电影评分,我们收集了豆瓣电影网站上2.8万名用户对5万多部电影的280万条评论... 真实目的,其实是为了让大家能够通过这次的教程,更加了解自然语言处理。 所以,使用电影评论来预测电影评分,到底需要分几步? 项目简介 本项目只使用电影评论来预测电影评分。由于豆瓣电影网站的评分为1-5的整数,因此将该问题转化为5个输出类别的分类问题...原创 2018-12-24 10:32:00 · 2395 阅读 · 0 评论 -
NLP教程:教你如何自动生成对联
桃符早易朱红纸,杨柳轻摇翡翠群 ——FlyAI Couplets体验对对联Demo: https://www.flyai.com/couplets循环神经网络最重要的特点就是可以将序列作为输入和输出,而对联的上联和下联都是典型的序列文字,那么,能否使用神经网络进行对对联呢?答案是肯定的。本项目使用网络上收集的对联数据集[地址](https://github.com/wb14123/...原创 2019-01-31 21:06:41 · 6484 阅读 · 0 评论