1.熟悉python、 C++等计算机语言;
2.熟悉html、css、javascipt等网页开发工具。
3.了解数据库相关知识及应用。
4.熟悉自然语言处理相关工作,机器学习,深度学习及神经网络,熟悉BERT、LSTM等模型。
5.熟悉python网络爬虫。
1.使用html,css,js,jquery等开发网页登陆界面。
2.使用爬虫爬取网页数据。
3.使用深度神经网络,如BERT等模型,完成自然语言处理中的FAQ、分词、细粒度情感分析等。
An Efficient Method of Supervised Contrastive Learning for Natural Language Understanding 第一作者 论文背景 论 :对于文本分类任务,目前主流的方法:预训练语言模型+微调的范式,常常采
NTCIR-16 Real-MedNLP Subtask3 第二名,主要参赛人员 任务描述: 任 从给定的病历报告中,对病历文本中包含的多个疾病和药物的不良药物反应程度进行分类。 1. 针对样本不均衡(1300+/100-/100-/200-):1.重采样(重复少类样本)
NTCIR-16 Real-MedNLP Subtask3 第二名,主要参赛人员 任务描述: 任 从给定的病历报告中,对病历文本中包含的多个疾病和药物的不良药物反应程度进行分类。 1. 针对样本不均衡(1300+/100-/100-/200-):1.重采样(重复少类样本)