从入门到进阶，全方位提升你的 NLP 实战技能

文本分类是NLP比较简单的任务之一，并且目前由于预训练语言模型的出现，现在文本分类直接上bert效果很好。

掌握文本分类-打开NLP学习进阶大门

文本分类任务的目标是想办法预测出文本对应的类别，是NLP的基础任务。因为数据标注成本相对于其他任务低廉很多，因此有大量的标注数据可以训练模型，这是文本分类性能目前相对较好的重要原因。

机器学习和深度学习的文本分类pipeline，可以用下面的图例表示：

1、机器学习提取的是如tf-idf的具体(concrete)特征；

2、深度学习提取的是如词向量的抽象(abstract)特征。

想要在NLP上进阶，需要：

• 做好文本表示工作，可以简单理解成词向量训练，即做好“数据-->信息”的流程

• 做好分类器，可以理解成模型的设计，即做好“信息-->知识”的流程

那么，文本分类任务都有哪些？如何掌握NLP学习进阶的方法呢。开课吧人工智能高级导师-前百度算法工程师张楠，为大家解读NLP-情感分析Pipeline实战，一起从原理到实操掌握词向量。

扫描下方二维码，免费报名学习

踏入AI圈，掌握NLP进阶之路

仅限本号前100名

报完即截止

2020年10月27日（周二）晚上8:00

前百度高级算法工程师张楠

带你从文本分类掌握NLP学习进阶方法