随着人工智能的兴起，机器学习(ML)和深度学习(DL)得到了迅速发展，并应用于计算机视觉(CV)、自然语言处理(NLP)、推荐等诸多领域。一些研究已经发展出将ML/DL应用于社交网络、社区分类、脑网络分析等网络任务的方法。在这...

Mixup 是⼀种简单且有效的数据增强⽅法，⾃2018年MIT和facebook提出之后，⽆论在业界还是在学术界都有了很强的地位，成为⼤家的⼀种标配。下⾯就从开⼭之作逐步简单的介绍下如何在NLP领域使⽤的吧。...

提示学习（Prompt-learning）一个有效的tune预训练模型到特定任务上的方法，最近受到了各方学者的关注。

LSTM(Long Short-Term Memory长短时记忆网络)虽然在MNIST手写数字识别方面不擅长，但是也可以进行使用，效果比CNN略显逊色

文本分类是NLP领域的最常见工业应用之一，也是本人在过去的一年中接触到最多的NLP应用，本文「从工业的角度浅谈实际落地中文本分类的种种常见问题和优化方案」。...

先泼个冷水，如果你本科积累不多，也不是天赋异禀，硕士成为真正的科研大佬是不太可能的，成为“灌水大佬”倒是有可能。因为在我看来，只有真正做出能对学术界与工业界有很大启发的研究作品的人才能被称作大佬（比如搭积木提高一...

论文地址：https://arxiv.org/pdf/2106.16038.pdf

TextBlob 是一款 Pythonic 的文本处理工具，用于处理文本数据，它提供了一个简单的 API，用于潜入常见的自然语言处理（NLP）任务，如词性标注、名词短语提取、情感分析、分类等...

在本文中，作者解决的任务是基于文本的实例分割（referring segmentation，RES）。在这个任务中，作为query的文本通常描述了实例之间的关系，模型需要根据这些关系来定位出描述的实例。要在图像中的所有实例中找到一个目标实例，模...

近年来，视觉-语言预训练（vision-language pretraining, VLP）取得了快速进展。