命名实体识别 技术
命名实体识别是从文本中识别并分类人名、地名、机构等实体的序列标注任务。
大模型 · 万物互联 · 人工智能的结构化知识库。人人可阅读、可贡献、可追溯。
命名实体识别是从文本中识别并分类人名、地名、机构等实体的序列标注任务。
分词是将连续文本切分为词语序列的预处理步骤,对中文等无空格语言尤为关键。
词向量是将词语映射为低维稠密向量的技术,使语义相近的词在向量空间接近。
自然语言处理是研究计算机理解、生成与处理人类语言的人工智能分支。
联邦学习是一种在保护数据隐私前提下多方协同训练模型的分布式机器学习范式。
过拟合指模型在训练集表现好但在新数据上泛化差的现象。
激活函数为神经网络引入非线性,使其能够拟合复杂函数。
损失函数衡量模型预测与真实目标之间的差距,是模型优化的目标。
迁移学习是将一个任务学到的知识迁移到相关任务以提升小数据场景性能的方法。
强化学习是智能体通过与环境交互、最大化累积奖励来学习策略的范式。
无监督学习是从无标签数据中发现内在结构与模式的方法。
监督学习是从带标签数据中学习输入到输出映射的机器学习范式。
神经网络是由大量神经元互联组成的数学模型,模拟生物神经系统的信息处理。
深度学习是基于多层神经网络的机器学习方法,擅长从原始数据中学习层次化表示。
机器学习是用数据驱动方式让计算机自动改进性能的学科。