NLP技术路线详解:这是从数学到算法的艺术

时间:2019-10-10 来源:www.513tsw.com

原始标题:详细的NLP技术路线:这是一门从数学到算法的艺术

来自Github

项目作者:郑泰焕

从数学基础,语言基础到模型和算法,对自然语言处理路线图的详细说明是您应该知道的知识领域。

自然语言处理通常是一门综合性科学,它远远超出了机器学习算法。文本更改比图像或语音更复杂。例如,就预处理而言,NLP要求我们根据对数据的理解来定制流程。而且,自然语言比图像具有更高的智力水平,而图像则更易于感知,无论是承载思想,情感还是推理。

那么我们如何学习自然语言处理,是否有更好的途径?一般来说,在数学和机器学习的基础上,我们还需要了解自然语言的规则和现象,以便进一步探索如何处理自然语言。

本文介绍了刚刚发布的一个开源项目。韩国庆熙大学的本科生Tae-Hwan Jung总结了一套NLP技术路线图。值得注意的是,郑泰焕以前曾开源过许多出色的项目,包括4.3k +星容量的NLP教程。

项目地址:

郑泰焕说,该项目针对的是对NLP感兴趣的学生。该路线图提供了用于学习NLP的思维导图和关键字信息,涵盖了从概率/统计到SOTA NLP模型的材料。

以上是NLP的技术基石。当然,最基础的是数学和算法知识。此外,语言学和机器学习知识也必不可少。进一步的是文本挖掘和NLP。在作者看来,前者更喜欢传统算法和浅层机器学习模型,而后者更喜欢深度学习模型。

四项主要技术路线图

从概率和统计到深度学习,以下四个路线图展示了从基石到顶部的完整知识领域。

概率与统计

机器学习

文本挖掘

自然语言处理

注意:

关键字之间的关系可以用模糊的方式解释,因为它由语义思维导图表示。读者只需查看框中的关键字,并将其作为必填项即可;

很难在一张图片中包含这么多的关键字和知识点。因此,请记住,路线图只是一个想法或建议;

本文是针对机器的核心而编写的。请联系公众号进行授权。回到搜狐,看看更多

负责编辑:

NLP技术路线详细信息:这是一门从数学到算法的艺术

Source : Machine Heart Pro

原始标题:详细的NLP技术路线:这是一门从数学到算法的艺术

来自Github

项目作者:郑泰焕

从数学基础,语言基础到模型和算法,对自然语言处理路线图的详细说明是您应该知道的知识领域。

自然语言处理通常是一门综合性科学,它远远超出了机器学习算法。文本更改比图像或语音更复杂。例如,就预处理而言,NLP要求我们根据对数据的理解来定制流程。而且,自然语言比图像具有更高的智力水平,而图像则更易于感知,无论是承载思想,情感还是推理。

那么我们如何学习自然语言处理,是否有更好的途径?一般来说,在数学和机器学习的基础上,我们还需要了解自然语言的规则和现象,以便进一步探索如何处理自然语言。

本文介绍了刚刚发布的一个开源项目。韩国庆熙大学的本科生Tae-Hwan Jung总结了一套NLP技术路线图。值得注意的是,郑泰焕以前曾开源过许多出色的项目,包括4.3k +星容量的NLP教程。

项目地址:

郑泰焕说,该项目针对的是对NLP感兴趣的学生。该路线图提供了用于学习NLP的思维导图和关键字信息,涵盖了从概率/统计到SOTA NLP模型的材料。

以上是NLP的技术基石。当然,最基础的是数学和算法知识。此外,语言学和机器学习知识也必不可少。进一步的是文本挖掘和NLP。在作者看来,前者更喜欢传统算法和浅层机器学习模型,而后者更喜欢深度学习模型。

四项主要技术路线图

从概率和统计到深度学习,以下四个路线图展示了从基石到顶部的完整知识领域。

概率与统计

机器学习

文本挖掘

自然语言处理

注意:

关键字之间的关系可以用模糊的方式解释,因为它由语义思维导图表示。读者只需查看框中的关键字,并将其作为必填项即可;

很难在一张图片中包含这么多的关键字和知识点。因此,请记住,路线图只是一个想法或建议;

本文是针对机器的核心而编写的。请联系公众号进行授权。回到搜狐,看看更多

负责编辑:

声明:本文仅代表作者本人,搜狐是信息发布平台,搜狐仅提供信息存储空间服务。

阅读()