0
雷鋒網 AI 開發者按，近年來，自然語言處理（NLP）在質量和可用性方面快速增長，這有助于推動人工智能解決方案的實際落地。在過去的幾年里，研究人員一直在將新的深度學習方法應用于 NLP。數據科學家開始從傳統的方法轉向最先進的（SOTA）深度神經網絡（DNN）算法，這種算法使用的語言模型經過了大文本語料庫的預訓練。
此存儲庫包含構建 NLP 系統的示例和最佳實踐，在 jupyter notebook 和實用程序函數中提供。知識庫的重點是最先進的方法和常見的場景，這些方法和場景在研究文本和語言問題的研究人員和實踐者中很流行。
概述
該知識庫的目標是利用 NLP 算法、神經架構和分布式機器學習系統的最新進展構建一套綜合的工具和示例。其內容是基于我們過去和未來與客戶的接觸，以及與合作伙伴、研究人員和開源社區的合作。
我們希望這些工具能夠通過簡化從定義業務問題到開發解決方案的經驗，顯著減少「上市時間」。此外，示例 notebook 將作為指導方針，以各種語言展示工具的最佳實踐和用法。
在一個遷移學習、transformer 和深度架構的時代，我們相信預訓練模型為許多現實問題提供了統一的解決方案，并允許輕松處理不同的任務和語言。因此，我們將優先考慮這些模型，因為它們在幾個 NLP 基準上取得了最先進的結果。這些模型可用于多種應用，從簡單的文本分類到復雜的智能聊天機器人。
內容
下面是存儲庫中介紹的常用 NLP 場景的摘要。每個場景都在一個或多個使用模型和存儲庫實用程序核心代碼庫的 jupyter notebook 示例中演示。
在解決 NLP 問題時，從預構建的認知開始總是好的。當需求超出預構建認知的范圍時，當你想要搜索自定義機器學習方法時，你會發現此存儲庫非常有用。要開始使用，請導航到設置指南，其中列出了有關如何設置環境和依賴關系的說明。
馬上行動吧~
via：https://github.com/microsoft/nlp
雷鋒網雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
