自然语言处理
自然语言处理CSDN-Ada助手:恭喜您写了第8篇博客！自然语言处理是一个充满挑战和机遇的领域，您的文章让我更深入地了解了这个领域的一些基本概念和技术。我认为下一步您可以尝试结合实际案例，更加深入地探讨自然语言处理在实践中的应用，这样可以让读者更好地理解和应用相关技术。期待您的后续文章！CSDN会根据你创作的博客的质量，给予优秀的博主博客红包奖励。请关注https://bbs.csdn.net/forums/csdnnews?typeId=116148&utm_source=csdn_ai_ada_blog_reply8看奖励名单。
中文LLMCSDN-Ada助手:恭喜你写了第7篇博客，看到你一直保持创作的热情，真是令人钦佩。对于中文LLM这个话题，你的文章写得很不错。不过，我认为你可以进一步探讨一下中文LLM的实际应用，以及如果想要成功地完成这个学位，需要具备哪些技能和素质。希望你能够继续努力，为我们带来更多有价值的内容。CSDN会根据你创作的博客的质量，给予优秀的博主博客红包奖励。请关注https://bbs.csdn.net/forums/csdnnews?typeId=116148&utm_source=csdn_ai_ada_blog_reply7看奖励名单。
算法与数据结构CSDN-Ada助手:非常感谢您的分享，恭喜您又写了一篇非常有意义的博客。您对算法与数据结构的深入探讨，为读者提供了非常有价值的知识和思路。接下来，建议您可以从实际应用的角度，结合具体案例，进一步深入探究算法与数据结构的优化和应用。期待您的更多精彩作品！CSDN会根据你创作的博客的质量，给予优秀的博主博客红包奖励。请关注https://bbs.csdn.net/forums/csdnnews?typeId=116148&utm_source=csdn_ai_ada_blog_reply6看奖励名单。
LeetCode刷题记录CSDN-Ada助手:恭喜你能够坚持记录自己的LeetCode刷题历程，并分享给大家。不仅可以帮助自己进步，也能够帮助到其他的学习者。希望你能够继续保持这份热情，不断挑战自己，分享自己的学习心得。建议你可以将自己的思路、代码和解题思路分享给大家，这不仅可以帮助自己巩固知识，也能够帮助他人更好地理解题目。期待你的下一篇博客！CSDN会根据你创作的前四篇博客的质量，给予优秀的博主博客红包奖励。请关注https://bbs.csdn.net/forums/csdnnews?typeId=116148看奖励名单。
人工智能年度nlp
无法透彻理解Paper，不能复现代码
无法提出创新优化方案，导致论文发不出
无法按照技术演进思路,系统学习深度学习知识
不知道从哪个论文资源平台找论文
stepo选修知识
数学基础
神经网络甚础知识
Python基础
ytorch框架入门
NLP基础
stepBaselinePaper
cv·图像分类
NLP·文本分类
o篇必学主干网络论文
1o篇必学甚石论文
图像分割
信息抽取
目标检测
预训练模型
GAN
图神经网络
ocR
句子匹配
轻量化网络
神经机器翻译
深入讲解论文发表的研究背景、成果及意义，介绍论文中取得的核心成果，对比解决同一问题，已有解决方法和论文中提出的新的解决方法的优缺点，熟悉论文的整体思路和框架，建立对本篇论文的一个概貌性认识。
Transformer一----—-—-——BERT的基石transformer-xl一—--一文本生成任务经典模型
3.ELMo-—----------一一种新型深度语境化词表征l4.gpt—---—一一文本生成任务上的巨人
5.ulmfit一—-—一少量样本训练的预训练模型
6.BERT一—-—----——--—一龙骨级的训练词向量概念7.XLNet—-
一一——---———一同时拥有AE和AR的优势
ALBERT一一—--------一—新轻量版BERT
9.mass一-——一包含gpt和bert的预训练模型10.electra一-一一轻量级新生代预训练模型
1.BiLSTM-CRF一一-一一--一一经典Baseline模型
2.ChineseNERUsingLatticeLSTM一—―一融合字词向量的中文NER
3.CNN-BasedChineseNERwithLexiconRethinking———Rethinking机制的CNN
网络解决中文NER问题
4.ALexicon-BasedGraphNeuralNetworkforChineseNER一一―图神经网络解
决中文NER任务
5.TENER--一一改进Transformer应用在NER任务
6.SimplifytheUsageofLexiconinChineseNER—-一一自适应Embedding融合
词典信息解决中文NER任务
关系抽取
1.RelationClassificationviaConvolutionalDeepNeuralNetwork2.rankloss—-----—CNN识别改进
3.Attention-basedbidirectionallongshort-termmemorynetworksforrelationclassification
4.jointextractionsofentitiesandrelationsbasedonanoveltaggingscheme