已有0人关注此标签
遍地开花的 Attention ，你真的懂吗？
作者: 技术小能手
2701人浏览
今天，阿里巴巴工程师楠易，将 Attentioin 的知识系统性地梳理、回顾、总结，不求深刻，但求浅显，希望能帮助对 Attention 有疑惑的同学。
语音识别（ASR）基础介绍第二篇——万金油特征MFCC
作者: egptee
947人浏览
上一章提到了整个发声与拾音及存储的原理。但是在了解ASR的过程中，发现基本上遇到的资料都避不开MFCC特征。 整个ASR的处理流程大致可以分为下图： 左侧是经典的处理流程，右侧是近期流行的流程。发生的变化是，将语言模型以下的部分变成端到端的了。 我们将语言模型以下的部分统一看成是声学模型就好。 而MFCC主要用在左侧的处理流程中，即“特征处
语音识别（ASR）基础介绍第三篇——经典做法及术语概念
作者: egptee
518人浏览
上一章介绍了万金油特征MFCC，相当于数据的输入已经确定了。 本章尽可能的介绍经典asr做法。其中涉及到的各种概念和思考，了解了之后，和相关专业的人交流，大概就不再迷茫了:D 传统方法也可以按 声学模型 和 语言学模型 的方式来划分。 声学模型主要的职责是，把一段音频处理成类似拼音的形式， 然后交给语言模型来猜: 能够发这些音的单词，怎么组合起来更常见一些。然后找到最可能的组合，便是asr的结
一文读懂深度学习：从神经元到BERT
作者: 技术小能手
26295人浏览
自然语言处理领域的殿堂标志 BERT 并非横空出世，背后有它的发展原理。今天，蚂蚁金服财富对话算法团队整理对比了深度学习模型在自然语言处理领域的发展历程。
AI产品免费用！再写测评拿好礼，KOL大牛就是你！
作者: 数据智能小二
794人浏览
盼望着，盼望着，5月来了，优惠的气息近了。一切都像要试用的样子，欣欣然张开了眼。山朗润起来了，水涨起来了，开发者的脸红起来了。
通用句子向量漫谈
作者: zhangningyu1690
680人浏览
句子向量漫谈 # 背景 近期业务需要使用文本上下文语义特征，而将文本进行编码和表征是NLP最核心的技术之一，于是调研了表征文本的相关技术，总结如下, 以飨后人。 ## 混沌未开 在word2vec诞生之前，NLP中并没有一个统一的方法去表示一段文本。
【智能语音】泡沫下的破浪者，智能语音产品到底落地何处？
作者: AI事儿
903人浏览
如今的科技在各个方面的发展都非常的迅速，越来越多“不切实际”的幻想也在被实现！而作为现代人信息获取以及沟通需求最为方便快捷的路径-智能语音，这条路就摆在我们面前。
图嵌入（Graph Embedding）有哪些应用，常用的表示学习方法有哪些
作者: wodwl
1042人浏览
网络嵌入方法（Network Embedding）旨在学习网络中节点的低维度潜在表示，所学习到的特征表示可以用作基于图的各种任务的特征，例如分类，聚类，链路预测和可视化。 常用的Graph Embedding方法有： 1、DeepWalk 是第一个被提出来使用表示学习（或深度学习）社区的技术的网络嵌入方法。
