「排序学习（Learning to Rank，LTR）」，也称「机器排序学习（Machine-learned Ranking，MLR)」 ，就是使用机器学习的技术解决排序问题。自从机器学习的思想逐步渗透到信息检索等领域之后，如何利用机器学习来提升信息检索的性能水平变成了近些年来非常热门的研究话题，因此产生了各类基于机器学习的排序算法，也带来了...

1.前言：召回排序流程策略算法简介推荐可分为以下四个流程，分别是召回、粗排、精排以及重排：召回是源头，在某种意义上决定着整个推荐的天花板；粗排是初筛，一般不会上复杂模型；精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂；重排，一般是做打散或满足业务运营的特定强插需求，同样不会使用复杂模...

0.前言：召回排序流程策略算法简介推荐可分为以下四个流程，分别是召回、粗排、精排以及重排：召回是源头，在某种意义上决定着整个推荐的天花板；粗排是初筛，一般不会上复杂模型；精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂；重排，一般是做打散或满足业务运营的特定强插需求，同样不会使用复杂模...

ChatGPT（全名：Chat Generative Pre-trained Transformer），美国OpenAI 研发的聊天机器人程序 ，于2022年11月30日发布 。ChatGPT是人工智能技术驱动的自然语言处理工具，它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻...

1.前言：召回排序流程策略算法简介推荐可分为以下四个流程，分别是召回、粗排、精排以及重排：召回是源头，在某种意义上决定着整个推荐的天花板；粗排是初筛，一般不会上复杂模型；精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂；重排，一般是做打散或满足业务运营的特定强插需求，同样不会使用复杂模...

1.前言：召回排序流程策略算法简介推荐可分为以下四个流程，分别是召回、粗排、精排以及重排：召回是源头，在某种意义上决定着整个推荐的天花板；粗排是初筛，一般不会上复杂模型；精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂；重排，一般是做打散或满足业务运营的特定强插需求，同样不会使用复杂模...

如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加有效率的连接，推荐系统可以更有效率的连接用户与内容和服务，节约了大量的时间和成本。

文心大模型，产业级知识增强大模型介绍官网：[链接]文心大模型开发套件ERNIEKit，面向NLP工程师，提供全流程大模型开发与部署工具集，端到端、全方位发挥大模型效能。提供业界效果领先的ERNIE 3.0系列开源模型和基于ERNIE的前沿任务模型，满足企业和开发者对NLP模型开发和学习的需求，预置文本分类、文本匹配、序列标注...

文本匹配任务在自然语言处理中是非常重要的基础任务之一，一般研究两段文本之间的关系。有很多应用场景；如信息检索、问答系统、智能对话、文本鉴别、智能推荐、文本数据去重、文本相似度计算、自然语言推理、问答系统、信息检索等，但文本匹配或者说自然语言处理仍然存在很多难点。这些自然语言处理任务在很大程度上都...

文本匹配任务在自然语言处理中是非常重要的基础任务之一，一般研究两段文本之间的关系。有很多应用场景；如信息检索、问答系统、智能对话、文本鉴别、智能推荐、文本数据去重、文本相似度计算、自然语言推理、问答系统、信息检索等，但文本匹配或者说自然语言处理仍然存在很多难点。这些自然语言处理任务在很大程度上都...

2023年的计算语言学协会年会（ACL 2023）共包含26个领域，代表着当前前计算语言学和自然语言处理研究的不同方面。每个领域都有一组相关联的关键字来描述其潜在的子领域， 这些子领域并非排他性的，它们只描述了最受关注的子领域，并希望能够对该领域包含的相关类型的工作提供一些更好的想法。

文本匹配任务在自然语言处理中是非常重要的基础任务之一，一般研究两段文本之间的关系。有很多应用场景；如信息检索、问答系统、智能对话、文本鉴别、智能推荐、文本数据去重、文本相似度计算、自然语言推理、问答系统、信息检索等，但文本匹配或者说自然语言处理仍然存在很多难点。这些自然语言处理任务在很大程度上都...

NLP知识图谱项目合集（信息抽取、文本分类、图神经网络、性能优化等）这段时间完成了很多大大小小的小项目，现在做一个整体归纳方便学习和收藏，有利于持续学习。1. 信息抽取项目合集1.PaddleNLP之UIE技术科普【一】实例：实体识别、情感分析、智能问答[链接]NLP领域任务选择合适预训练模型以及合适的方案【规范建议】【...

本项目主要围绕着特定领域知识图谱(Domain-specific KnowledgeGraph:DKG)融合方案：技术知识前置【一】-文本匹配算法、知识融合学术界方案、知识融合业界落地方案、算法测评KG生产质量保障讲解了文本匹配算法的综述，从经典的传统模型到孪生神经网络“双塔模型”再到预训练模型以及有监督无监督联合模型，期间也涉及了近几...

本项目链接：[链接]基于ERNIELayout&pdfplumber-UIE的多方案学术论文信息抽取，小样本能力强悍，OCR、版面分析、信息抽取一应俱全。

先写一个简化版的训练环境。把任务难度降到最低，确保一定能正常训练。记录正常训练的智能体的分数，与随机动作、传统算法得到的分数做比较。DRL算法的分数应该明显高于随机动作（随机执行动作）。DRL算法不应该低于传统算法的分数。如果没有传统算法，那么也需要自己写一个局部最优的算法

“旅程”的球体表面由20个名为SPEEDSHELL的纹理聚氨酯球面材料模块组成，通过热黏合拼接技术贴合在一起，是第一款完全使用水性涂料和水基胶的世界杯用球。贴合的设计可以更好地降低足球空中运行的阻力，从而提升足球在飞行时的稳定性。

实体关系，实体属性抽取是信息抽取的关键任务；实体关系抽取是指从一段文本中抽取关系三元组，实体属性抽取是指从一段文本中抽取属性三元组；信息抽取一般分以下几种情况一对一，一对多，多对一，多对多的情况：

本项目对图基本概念、关键技术（表示方法、存储方式、经典算法），应用等都进行详细讲解，并在最后用程序实现各类算法方便大家更好的理解。当然之后所有图计算相关都是为了知识图谱构建的前置条件

图神经网络（Graph Neural Network）是一种专门处理图结构数据的神经网络，目前被广泛应用于推荐系统、金融风控、生物计算中。图神经网络的经典问题主要有三种，包括节点分类、连接预测和图分类三种，本次比赛是主要让同学们熟悉如何图神经网络处理节点分类问题。

图是一个复杂世界的通用语言，社交网络中人与人之间的连接、蛋白质分子、推荐系统中用户与物品之间的连接等等，都可以使用图来表达。图神经网络将神经网络运用至图结构中，可以被描述成消息传递的范式。百度开发了PGL2.2，基于底层深度学习框架paddle，给用户暴露了编程接口来实现图网络。与此同时，百度也使用了前沿的...

在很多工业应用中，往往出现如下图所示的一种特殊的图：Text Graph。顾名思义，图的节点属性由文本构成，而边的构建提供了结构信息。如搜索场景下的Text Graph，节点可由搜索词、网页标题、网页正文来表达，用户反馈和超链信息则可构成边关系。

PGL图学习之图神经网络ERNIESage、UniMP进阶模型[系列八]原项目链接：fork一下即可：[链接]相关项目参考：（其余图神经网络相关项目见主页）关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] [链接]图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：[链接]图学习【参考资料1】词向量wo...

0. PGL图学习之图神经网络GraphSAGE、GIN图采样算法[系列七]本项目链接：[链接]相关项目参考：更多资料见主页关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] [链接]图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：[链接]在图神经网络中，使用的数据集可能是亿量级的数据，而由于GP...

ICLR2023的评审结果已经正式发布！今年的ICLR2023共计提交6300份初始摘要和4922份经过审查的提交，其中经过审查提交相比上一年增加了32.2%。在4922份提交内容中，99%的内容至少有3个评论，总共有超过18500个评论。按照Open Review评审制度，目前ICLR已经进入讨论阶段。

PGL图学习之图游走类metapath2vec模型[系列五]本项目链接：[链接]有疑问查看原项目相关项目参考：关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] [链接]图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：[链接]图学习【参考资料2】-知识补充与node2vec代码注解： [链接]图学习【参考...

Paddle Graph Learning (PGL)图学习之图游走类模型[系列四]更多详情参考：Paddle Graph Learning 图学习之图游走类模型[系列四] [链接]相关项目参考：关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] [链接]图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：[链接]图学习【参考资料1...

本项目参考：[链接]*一、正题篇：DeepWalk、word2vec、node2vec其它相关项目:关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] [链接]图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：[链接]1.1 DeepWalk算法流程【图来源：网络，笔记由笔者添上】算法流程： 【其中使用skip-gram模型...

项目链接：[链接]如遇到问题查看原项目解决图学习温故以及初探Paddle Graph Learning (PGL)构建属于你的图【系列三】相关项目参考：图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：[链接]关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] [链接]0.知识点回顾根据图的节点间是否有方...

在自然语言处理任务中，词向量（Word Embedding）是表示自然语言里单词的一种方法，即把每个词都表示为一个N维空间内的点，即一个高维空间内的向量。通过这种方法，实现把自然语言计算转换为向量计算。