一、相关竞品产品调研1.左手医生https://open.zuoshouyisheng.com/--优先2.百度灵医https://01.baidu.com/index.html (线上无法体验)3.科大迅飞-全科辅诊诊疗系统http://www.iflytek.com/health/qkfzzl (线上无法体验)4.阿里健康https://www.doctoryou.ai/dm5.腾讯https://tencentmiying.com/official/二、相关文章1.https://zhuanlan.zhihu.com/p/3792029492.https://zhua- 阅读剩余部分 -

FLAT主要创新点在于：(1)基于Transformer设计了一种巧妙position encoding来融合Lattice结构，可以无损的引入词汇信息。(2)基于Transformer融合了词汇信息的动态结构，支持并行化计算，可以大幅提升推断速度。一、背景ACL2020中一篇来自复旦大学邱锡鹏老师团队的 FLAT: Chinese NER Using Flat-Lattice Transformer 刷新了中文NER任务的新SOTA。论文链接：https://arxiv.org/pdf/2004.11795.pdf开源代码：https://github.com/LeeSu- 阅读剩余部分 -

一、查看通过pip库版本1.查看已经安装的所有库版本pip list2.查看已经安装的某个库版本pip show paddlenlp3.查看将要安装的某个库版本pip index versions [your python module name] 例如： pip index versions paddlenlp 或者 pip install paddlenlp== 二、pip离线安装一个包1.离线下载#pip download 你的包名 -d "下载的路径(windows下双引号来表示文件夹)" pip download paddlenlp -d - 阅读剩余部分 -

  • 时间:
  • 分类: NER
  • 评论
  • 访问: 7,128 次
一、NER任务分类NER任务分成三大类

r-drop本质上是一种有监督的数据增强方式SimCse本质上是一种无监督的数据增强方式对比学习标准流程：对比学习的标准流程是同一个样本通过不同的数据扩增手段得到的结果视为正样本对，而 batch 内的所有其他样本视为负样本，然后就是通过 loss 来缩小正样本的距离、拉大负样本的距离了。一、相关背景关注 NLP 新进展的读者，想必对2021年4月份发布的 SimCSE印象颇深，它通过简单的“Dropout 两次”来构造正样本进行对比学习，达到了无监督语义相似度任务的全面 SOTA。无独有偶，最近2021年6月份的论文《R-Drop: Regularized Dropout- 阅读剩余部分 -

一、GPU驱动安装1.查看驱动是否安装用下面的指令，如果返回了显卡信息说明驱动已经安装：nvidia-smi 或者sudo apt-get install mesa-utils glxinfo | grep rendering https://mirrors.aliyun.com/centos-vault/7.6.1810/isos/x86_64/CentOS-7-x86_64-DVD-1810.iso?spm=a2c6h.25603864.0.0.365f12cfhbiLSE参考：1.驱动安装https://www.jianshu.com/p/ee45d66e04- 阅读剩余部分 -

  • 时间:
  • 分类: GPU
  • 评论
  • 访问: 2,930 次
cuda两个apiCUDA 有两种API，分别是 运行时 API 和 驱动API，即所谓的 Runtime API 与 Driver API。CUDA有两个主要的API，runtime API(nvcc -V 显示的cuda)和driver API(nivdia-smi中显示的cuda)，两者都有相应的版本(例如8.0、9.0等)。对driver API的必要支持(e.g. libcuda.so on linux)，是由GPU驱动安装程序安装的。对runtime API(e.g. libcudart.so on linux, and also nvcc)的必要支持，是由CU- 阅读剩余部分 -

让机器和人类有相同的思考理解能力，并且机器可以和人类进行拟人化的交互知识图谱的构建离不开NLP技术对于自然语言的抽取、NLP的应用离不开知识图谱的关联方分析和推理能力。认知智能是探寻人类学习、理解、产生决策的生物能力，并将之赋予机器的技术统称，而实现机器认知，需要突破感知泛在、意识建立、低维到高维的主观概念形成、推理决策能力唤醒，以及多模态知识持续学习等能力瓶颈，其产生的价值也将使人工智能更加贴近人类的思维方式，而知识图谱作为人类意识和概念的承载体是现阶段认知智能主要的发展方向之一。

语音识别的难点1.语音激活测验（VAD）：顾名思义，指的就是判断什么时候有语音什么时候没有语音（静音），后续的语音信号处理或是语音识别都是在VAD截取出来的有效语音片段上去进行计算的。2.2.语音唤醒（VT）：可以理解为喊名字，引起电视这个“听者”的注意。比如苹果的“heySiri”，Google的“OK Google”，创维的“小度”等，VT的目的是告诉电视（或手机），接下来的话是对你讲的哦，认真听好了。3.回声消除（Echo Cancelling）：在近场语音的环境下，播放音乐或是语音播报的时候可以使用按键进行停止，但远场环境下想要通过语音来进行控制，就必须得实现回声消- 阅读剩余部分 -

定义当Rasa NLU识别到用户输入Message的意图后，Rasa Core对话管理模块就会对其作出回应，而完成这个回应的模块就是action。在不同版本里面Rasa Core支持不同种类的action。在rasa1.x版本里面，支持4中不同的action:即Retrieval actions、default actions、utter actions以及 custom actions。关于如何实现Actions和处理业务逻辑，我们在一篇文章中详谈，这里仅作简单了解。1. default actions DefaultAction是Rasa Core默认的一组action- 阅读剩余部分 -

一、题目列表：题目1、二进制中1的个数 JZ15 题目2、数值的整数次方 JZ16& : 按位与操作(当其数据类型为十进制整型时，需转化为二进制数据进行计算。): 右移操作1 是将n的二进制代码右移一个单位(也可理解为n/2)。二、题目题目1、二进制中1的个数 JZ15输入一个整数 n ，输出该数32位二进制表示中1的个数。其中负数用补码表示。数据范围：- 2^{31} <= n <= 2^{31}-1−2 即范围为:-2147483648<= n <= 2147483647−2147483648<=n<=2147483647思路：2.代- 阅读剩余部分 -

一、情感对话系统最终功能1、情感对话，有记忆功能，能关注人的兴趣爱好2、个人助手=能提醒吃药、喝水等3、机器人有人格、懂得话术，能投其所好最终实现数字疗法参考： woebot机器人第一方面，就Woebot本身，其实它的对话结构都是设计好的，因此它的绝大部分问题都不是开放性的问题。通常它需要用户从几个候选答案中选择，从而根绝提前设计好的决定树路径来进行对话。如上面回答所说，Woebot使用的认知行为疗法（CBT），通过将精神健康和心理学已有的一些知识融入到谈话中，从而使人们了解正确的对物，对人，对己的认知，并纠正一些用户（或者患者）已有的不正确的认知观念。根绝Woebot研究- 阅读剩余部分 -

1.关于安装Rasa所需的MITIE组件其实很简单，一共没几步conda activate激活你的python环境（或者venv激活）pip或者conda install cmake以及boost终端或者cmd进入你的工作目录或者随便哪里，git clone https://github.com/mit-nlp/MITIE.gitcd进MITIE的文件夹，python setup.py build最后 python setup.py install最后欢迎关注我的Rasa项目Doctor-Friende，一个用Rasa实现的中文的医疗问答机器人

多轮对话管理系统大致上可以分成3类一、任务式多轮对话架构：对话管理-核心人能够进行多轮对话，很大程度和我们能记住并且使用沟通过程产生的信息和共识，这里值得注意的是，有两个关键的能力，一个是记住，另一个是使用。而现有的大量技术也都是围绕着这两点来搭建的，甚至，比较统一的形成了一个“对话管理模块”，即Dialog Management，DM。对话管理承担了多轮对话中信息的记录和使用，所谓的记录，就是对话过程的跟踪，一般被称为"Dialog State Tracking"，"DST"对话状态跟踪，而所谓的使用，有一个跟有意思的说法，叫做对话策略，"Dialog Policy"，D- 阅读剩余部分 -

一、rasa1.官网https://rasa.com/https://rasachatbot.comhttps://www.mg21.com/rasa.html二、开源闲聊对话系统百度 unit: https://ai.baidu.com/unit/home#/home2.产品https://www.yesdotnet.com/archive/post/1633011046.htmlhttps://github.com/PaddlePaddle/Knover1.百度:plato-mimihttps://www.paddlepaddle.org.cn/hubdetail?n- 阅读剩余部分 -

一、背景对话系统一般包括领域内(任务型)对话比如订票，订餐等等和开放领域对话。前者主要是靠识别特定的意图+反复确认来实现，整体来说难度不高，而后者实现起来相对来说较为困难，目前也较为不成熟。之前一些开发领域对话的解决方案如微软的小冰都是一套很复杂的架构，但是随着最近几年预训练模型取得的成功，对话系统领域也开始探索端到端的实现方式，尤其在2019，2020，2021这三年涌现出了很多相关研究。比如2020年1月份google发表的Meena、4月份Facebook的Blender以及百度PLATO系列包括PLATO、PLATO-2、PLATO-XL等等，前两篇分别发表在ACL- 阅读剩余部分 -
  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9. ...
  10. 10