nlp

AI会永远改变内容营销吗？

您想要了解的有关营销AI内容生成应用程序的所有信息

文本表示（ text representation）是NLP任务中非常基础，同时也非常重要的一部分。本文将介绍文本表示的发展历史及各方法的优缺点

BERT为什么能有这么好的效果，深入其原理本身，又究竟好在哪里？在AI ProCon 2019大会上，新浪微博机器学习团队AI Lab负责人张俊林为大家深入分享了《BERT和Transformer到底学到了什么？》

本文详细介绍了bert 相比之前nlp技术的优势，同时详细介绍了技术原理。

easyai.tech 发现入门人工智能是一件很难的事情，尤其是对于非技术人员。

于是我们将国内外优秀的科普内容用最通俗易懂的方式整合到一起，专门针对非技术人员，让大家都能理解人工智能领域里的基本概念。

大型预训练语言模型无疑是自然语言处理（NLP）最新研究进展的主要趋势。

通过 ACL 的论文来看看过去20年，NLP 的发展趋势。

我们将从最简单的方法开始，然后转向更细微的解决方案，例如特征工程，单词向量和深度学习。

本报告分为以下4个部分：1. 什么是机器阅读理解？2. 阅读理解技术的进步。3. 阅读理解的更多挑战。4. 百度阅读理解技术的研究工作

微软亚洲研究院的研究员在ICML 2019上提出了一个全新的通用预训练方法MASS，在序列到序列的自然语言生成任务中全面超越BERT和GPT。在微软参加的WMT19机器翻译比赛中，MASS帮助中-英、英-立陶宛两个语言对取得了第一名的成绩。