語音播放文章內(nèi)容
由深聲科技提供技術(shù)支持
雷鋒網(wǎng) AI 開發(fā)者按，近年來，自然語言處理（NLP）在質(zhì)量和可用性方面快速增長，這有助于推動人工智能解決方案的實際落地。在過去的幾年里，研究人員一直在將新的深度學(xué)習(xí)方法應(yīng)用于 NLP。數(shù)據(jù)科學(xué)家開始從傳統(tǒng)的方法轉(zhuǎn)向最先進(jìn)的（SOTA）深度神經(jīng)網(wǎng)絡(luò)（DNN）算法，這種算法使用的語言模型經(jīng)過了大文本語料庫的預(yù)訓(xùn)練。
此存儲庫包含構(gòu)建 NLP 系統(tǒng)的示例和最佳實踐，在 jupyter notebook 和實用程序函數(shù)中提供。知識庫的重點是最先進(jìn)的方法和常見的場景，這些方法和場景在研究文本和語言問題的研究人員和實踐者中很流行。
概述
該知識庫的目標(biāo)是利用 NLP 算法、神經(jīng)架構(gòu)和分布式機(jī)器學(xué)習(xí)系統(tǒng)的最新進(jìn)展構(gòu)建一套綜合的工具和示例。其內(nèi)容是基于我們過去和未來與客戶的接觸，以及與合作伙伴、研究人員和開源社區(qū)的合作。
我們希望這些工具能夠通過簡化從定義業(yè)務(wù)問題到開發(fā)解決方案的經(jīng)驗，顯著減少「上市時間」。此外，示例 notebook 將作為指導(dǎo)方針，以各種語言展示工具的最佳實踐和用法。
在一個遷移學(xué)習(xí)、transformer 和深度架構(gòu)的時代，我們相信預(yù)訓(xùn)練模型為許多現(xiàn)實問題提供了統(tǒng)一的解決方案，并允許輕松處理不同的任務(wù)和語言。因此，我們將優(yōu)先考慮這些模型，因為它們在幾個 NLP 基準(zhǔn)上取得了最先進(jìn)的結(jié)果。這些模型可用于多種應(yīng)用，從簡單的文本分類到復(fù)雜的智能聊天機(jī)器人。
內(nèi)容
下面是存儲庫中介紹的常用 NLP 場景的摘要。每個場景都在一個或多個使用模型和存儲庫實用程序核心代碼庫的 jupyter notebook 示例中演示。
在解決 NLP 問題時，從預(yù)構(gòu)建的認(rèn)知開始總是好的。當(dāng)需求超出預(yù)構(gòu)建認(rèn)知的范圍時，當(dāng)你想要搜索自定義機(jī)器學(xué)習(xí)方法時，你會發(fā)現(xiàn)此存儲庫非常有用。要開始使用，請導(dǎo)航到設(shè)置指南，其中列出了有關(guān)如何設(shè)置環(huán)境和依賴關(guān)系的說明。
馬上行動吧~
via：https://github.com/microsoft/nlp
雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))雷鋒網(wǎng)
