最新 最热

干货 | 初学者入门必看的“知识图谱”解读(上)

本系列参考了市面上已知的,几乎全部“知识图谱”相关文章,并总结提炼出一套适合初学者入门的“知识图谱”的知识体系,希望大家能有所收获。

2019-09-17
0

干货 | 初学者入门必看的“知识图谱”解读(下)

本系列参考了市面上已知的,几乎全部“知识图谱”相关文章,并总结提炼出一套适合初学者入门的“知识图谱”的知识体系,希望大家能有所收获。

2019-09-17
0

机器推理系列文章概览:七大NLP任务最新方法与进展

从规则方法、统计方法到目前的深度学习方法,自然语言处理(NLP)研究一直处于不断发展和进化的状态之中,并在过去五年取得了令人瞩目的成果。对于一个拥有充分标注语料的 NLP 任务(例如机器翻译和自动问答),现有的深度学习方法...

2019-09-17
0

机器推理系列文章概览:七大NLP任务最新方法与进展

编者按:自然语言处理的发展进化带来了新的热潮与研究问题,研究者们在许多不同的任务中推动机器推理(Machine Reasoning)能力的提升。基于一系列领先的科研成果,微软亚洲研究院自然语言计算组将陆续推出一组文章,介绍机器推...

2019-09-17
0

机器推理系列文章概览:七大NLP任务最新方法与进展

导读:自然语言处理的发展进化带来了新的热潮与研究问题,研究者们在许多不同的任务中推动机器推理(Machine Reasoning)能力的提升。基于一系列领先的科研成果,微软亚洲研究院自然语言计算组将陆续推出一组文章,介绍机器推理...

2019-09-17
0

知识图谱构建流程

下图分别是 CN-DBpedia 的构建流程和系统架构。知识图谱的构建是一个浩大的工程,从大方面来讲,分为知识获取、知识融合、知识验证、知识计算和应用几个部分,也就是上面架构图从下往上走的一个流程,简单来走一下这个流程。...

2019-09-16
0

【NLP-词向量】从模型结构到损失函数详解word2vec

上周我们讲到,在进行NNLM训练时,能够得到副产品,词向量。本文介绍一种专门用于词向量制备的方法:word2vec,利用它能够高效的训练出词向量。

2019-09-10
0

埃森哲:寻找边缘计算的优势

随着物联网的部署日趋复杂以及业务日趋数据化,如何更好地结合网络扩展和管理业务,面临着愈发严峻的挑战。目前的物联网解决方案都是通过平台收集来自网络边缘设备的传感数据,然后集中进行存储和分析。以云中心为例,其所构...

2019-09-10
0

干货好文!自底向上——知识图谱构建技术初探

云栖君导读:知识图谱的构建技术主要有自顶向下和自底向上两种。其中自顶向下构建是指借助百科类网站等结构化数据源,从高质量数据中提取本体和模式信息,加入到知识库里。而自底向上构建,则是借助一定的技术手段,从公开采集...

2019-09-04
0

依图医疗CEO:解读首登Nature Medicine的中文NLP辅诊研究成果

AI掘金志按:以医学影像分析起家的依图医疗,其实也早已在医学NLP领域默默耕耘两年多。近日,其联合广妇儿研发的中文AI辅诊系统一炮打响。因相关论文是「全球首次」中文电子病历NLP技术刊发在顶级医学杂志上,该诊断系统备受...

2019-08-29
1