原文地址Z：三个月之前NLP课程结课，我们做的是命名实体识别的实验。在MSRA的简体中文NER语料（我是从这里下载的，非官方出品，可能不是SIGHAN2006Bakeoff-3评测所使用的原版语料）上训练NER模型，识别人名、地名和组织机构名。尝试了两种模型：一种是手工定义特征模板后再用CRF++开源包训练CRF模型；另一种是最近两年学术界比较流行的BiLSTM-CRF模型。小白一枚，简单介绍一下

本文简述了以下内容：什么是词表示，什么是表示学习，什么是分布式表示one-hotrepresentation与distributedrepresentation（分布式表示）基于distributionalhypothesis的词表示模型（一）syntagmaticmodels（combinatorialrelations）：LSA(基于矩阵)（二）paradigmaticmodels（subst

两周以前读了些文档自动摘要的论文，并针对其中两篇（[2]和[3]）做了presentation。下面把相关内容简单整理一下。文本自动摘要（AutomaticTextSummarization）就是说在不改变文档原意的情况下，利用计算机程序自动地总结出文档的主要内容。自动摘要的应用场景非常多，例如新闻标题生成、科技文献摘要生成、搜索结果片段（snippets）生成、商品评论摘要等。在信息爆炸的互联网

三个月之前NLP课程结课，我们做的是命名实体识别的实验。在MSRA的简体中文NER语料（我是从这里下载的，非官方出品，可能不是SIGHAN2006Bakeoff-3评测所使用的原版语料）上训练NER模型，识别人名、地名和组织机构名。尝试了两种模型：一种是手工定义特征模板后再用CRF++开源包训练CRF模型；另一种是最近两年学术界比较流行的BiLSTM-CRF模型。小白一枚，简单介绍一下模型和实验结

诺亚方舟实验室已经将采用深度学习（DL）提升自然语言处理（NLP）的能力（DL4NLP）作为一个研究重点，包括自然语言对话（包括知识问答）、机器翻译和图片搜索，实现以往的自然语言处理技术无法达到

本人DL4NLP课程作业，摘录于此，拒绝转载，谢谢。课上听了Attention机制相关的内容，非常感兴趣，认为这是一个非常值得学习研究的内容。

转载：https://github.com/andrewt3000/DL4NLP/blob/master/README.mdDeepLearningforNLPresourcesStateoftheartresourcesforNLPsequencemodelingtaskssuchasmachinetranslation

基于CRF序列标注的中文依存句法分析器的Java实现简明条件随机场CRF介绍|附带纯Keras实现DL4NLP——序列标注：BiLSTM-CRF模型做基于字的中文命名实体识别sequence-labeling

开始的这部分主要是对DL4NLP的一个简介。个人理解，DL4NLP中，所有层级都是以向量的形式进行处理，用向量表示单词、用向量表示句子等。

三个月之前NLP课程结课，我们做的是命名实体识别的实验。在MSRA的简体中文NER语料（我是从这里下载的，非官方出品，可能不是SIGHAN2006Bakeoff-3评测所使用的原版语料）上训练NER模型，识别人名、地名和组织机构名。尝试了两种模型：一种是手工定义特征模板后再用CRF++开源包训练CRF模型；另一种是最近两年学术界比较流行的BiLSTM-CRF模型。小白一枚，简单介绍一下模型和实验结

本文简述了以下内容：神经概率语言模型NPLM，训练语言模型并同时得到词表示word2vec：CBOW/Skip-gram，直接以得到词表示为目标的模型（一）原始CBOW(ContinuousBag-of-Words)模型（二）原始Skip-gram模型（三）wordanalogy神经概率语言模型NPLM上篇文简单整理了一下不同视角下的词表示模型。近年来，wordembedding可以说已经成为了各

诺亚方舟实验室已经将采用深度学习（DL）提升自然语言处理（NLP）的能力（DL4NLP）作为一个研究重点，包括自然语言对话（包括知识问答）、机器翻译和图片搜索，