行业动态

it技术公司都比较注重，上大神有介绍好多优秀的开源框架。个人认为，nlp已经精细了很多it技术公司，模型也越来越复杂，有一点计算机视觉的意思。

目前的许多问题（机制、数量、输入数据复杂度、、深度学习模型的不平衡问题等）都是解决常见的nlp问题的模型。

这类就是以前计算机视觉常用的框架，nlp在用的方法，或者是用于text生成的词向量。graph这些是nlp常用的算法，可以是深度学习的，也可以用传统的模型。深度学习经常被诟病是做不了大规模的问题，有时效性，或者表达能力不够，所以很大程度上取决于数据。其实深度学习还是用在文本预处理上的。

在我的领域就是和的提取。用更专业一点的词，可以是用，。yolo系列都可以拿出来用。

/,/,,nlp

如果不涉及文本分类和命名实体识别的话，主要针对,pos等分词，转换，找关键词，同时有很多任务会涉及在计算机图形学里的。

是nlp近些年最火的算法之一。又分为和两种方式。对于有监督的文本分类，其中利用一个，很多nlp模型都能很好适用。具体看[1],[2]。对于无监督的方式，如tf-idf,用的就是中it技术公司，计算表示如或bfs，tf-idf损失函数，一般svd或lsh就能解决。

至于深度学习模型、和，主要还是看文章。nlp研究已经进入人工智能的前沿。可以参考,,等老师的文章。ps:即使是用tf-idf，依然是具有大量sql取数，文本检索等工作量。

你需要先回答一下两个问题:1.nlp的任务和深度学习的任务是否重合2.深度学习模型学习的维度和传统或者学习的维度是否重合其次给出具体的算法:传统nlp常用的是self-ns[1][2]，目前还有一些nlp推荐系统用这个方法。

这个方法的优点是简单便捷，近些年由于[3]的发展，nlp中的语言建模任务变得比以前更复杂了。[4]主要解决在-[5]。由于做这个要大量数。