Überblick
- Hier ist eine Liste der Frameworks für die Verarbeitung natürlicher Sprache (PNL) Die wichtigsten Dinge, die Sie in den letzten zwei Jahren wissen müssen
- Von Google AI Transformer zu XLM / mBERT von Facebook Research, Wir verfolgen den Aufstieg von NLP durch die Linse dieser seismischen Fortschritte.
Einführung
Hast du schon von den neuesten gehört Verarbeitung natürlicher Sprache Framework, das kürzlich veröffentlicht wurde? Ich mache Ihnen keine Vorwürfe, wenn Sie immer noch die hervorragende StanfordNLP-Bibliothek oder das PyTorch-Transformers-Framework nachholen!!
In den letzten Jahren gab es einen bemerkenswerten Anstieg der Forschung und der Fortschritte im Bereich NLP.
Ich kann diese aktuelle Aktion zu einem Artikel verfolgen (seismisch): “Aufmerksamkeit ist alles was du brauchst” von Google AI im Juni 2017. Dieser Fortschritt hat so viele aufregende neue NLP-Bibliotheken hervorgebracht, die es uns ermöglichen, mit Text auf eine Weise zu arbeiten, die bisher unserer Vorstellungskraft beschränkt war. (oder Hollywood).
Hier ist das Interesse an der Verarbeitung natürlicher Sprache basierend auf Google-Suchen in den letzten 5 Jahre in den USA. UU.:
Wir sehen ein ähnliches Muster wenn wir die Suche auf alle ausweiten!
Heute, wir haben modernste Ansätze zur Sprachmodellierung, Lerntransfer und viele andere wichtige und fortgeschrittene NLP-Aufgaben. Die meisten davon beinhalten die Anwendung von Deep Learning, insbesondere die Transformer-Architektur, die im vorherigen Dokument vorgestellt wurde.
Also haben wir uns entschieden, alle wichtigen Entwicklungen an einem Ort und in einer übersichtlichen Zeitleiste zu sammeln.. Sie werden diese Infografik lieben und ein Muss auf Ihrer eigenen NLP-Reise haben..
Ich habe unten einige Tutorials aufgelistet, die Ihnen den Einstieg in diese Frameworks erleichtern:
Ohne weitere Präambeln, Hier ist die Infografik in ihrer ganzen Pracht! Und wenn Sie das hochauflösende PDF herunterladen möchten (das sollte ich wirklich), über Kopf hier.
