Research Area：计算机视觉舆情 + 知识图谱
NLP+词法系列（一）︱中文分词技术小结、几大分词引擎的介绍与比较
笔者想说：觉得英文与中文分词有很大的区别，毕竟中文的表达方式跟英语有很大区别，而且语言组合形式丰富，如果把国外的内容强行搬过来用，不一样是最好的。所以这边看到有几家大牛都在中文分词以及NLP上越走越远。哈工大以及北大的张华平教授（NLPIR）的研究成果非常棒！但是商业应用的过程中存在的以下的问题：1、是否先利用开源的分词平台进行分词后，再自己写一些算法进行未登录词、歧义词的识别？2、或者直接调用下文介绍的分词引擎来进行分词呢？缴费使用固然很棒，但是是否值得？——————————————————————————————————————————来看一下这篇论文一些中文分词工具的性能比较《开源中文分词器的比较研究_黄翼彪，2013》8款中文分词器的综合性能排名：Paoding（准确率、分词速度、新词识别等，最棒）mmseg4j（切分速度、准确率较高）IKAnalyzerImdict-chinese-analyzerAnsj盘古分词Httpcwsjieba——————————————————————————————————————————一、中文分词技术1、常见的两类中文分词技术中文分词技术常见的有两大类：机械分词技术、基于统计的序列标注技术。机械分词技术操作简单、方便，比较省心，但是对于歧义词以及未登录词的效果并不是很好；统计模型的序列标注方法，对于识别未登录词拥有较好的识别能力，而且分词精度也比较大，同时这个方法可以不分中文、英语，着重看在语言前后顺序。以下是思维导图的形式展示两大区别：2、深度学习在分词、找词中的应用（1）word2vec词向量虽然word2vec只有三层神经网络，但是已经取得非常好的效果。通过word2vec，可以将一个词表示为词向量，将文字数字化，更好的让计算机理解。使word2vec模型，我们可以方便的找到同义词或联系紧密的词，或者意义相反的词等。（2）RNN（Recurrent Neural Networks，循环神经网络）——seq2seq在自然语言处理中，上下文关系非常重要，一个句子中前后词并不独立，不同的组合会有不同的意义，比如”优秀”这个词，如果前面是”不”字，则意义完全相反。RNN则考虑到网络前一时刻的输出对当前输出的影响，将隐藏层内部的节点也连接起来，即当前时刻一个节点的输入除了上一层的输出外，还包括上一时刻隐藏层的输出。RNN在理论上可以储存任意长度的转态序列，但是在不同的场景中这个长度可能不同。比如在词的预测例子中： 1，“他是亿万富翁，他很？”; 2，“他的房子每平米物业费40元，并且像这样的房子他有十几套，他很？”。从这两个句子中我们已经能猜到?代表“有钱”或其他类似的词汇，但是明显，第一句话预测最后一个词时的上线文序列很短，而第二段话较长。如果预测一个词汇需要较长的上下文，随着这个距离的增长，RNN将很难学到这些长距离的信息依赖，虽然这对我们人类相对容易。在实践中，已被证明使用最广泛的模型是LSTM（Long Short-Term Memory，长短时记忆）很好的解决了这个问题。 LSTM最早由Hochreiter及 Schmidhuber在1997年的论文中提出。首先LSTM也是一种RNN，不同的是LSTM能够学会远距离的上下文依赖，能够存储较远距离上下文对当前时间节点的影响。 所有的RNN都有一串重复的神经网络模块。对于标准的RNN，这个模块都比较简单，比如使用单独的tanh层。LSTM拥有类似的结构，但是不同的是，LSTM的每个模块拥有更复杂的神经网络结构：4层相互影响的神经网络。在LSTM每个单元中，因为门结构的存在，对于每个单元的转态，使得LSTM拥有增加或减少信息的能力。（来源文章：基于Deep Learning的中文分词尝试）（3）深度学习库Keras（http：//keras.io）是一个非常易用的深度学习框架，使用python语言编写，是一个高度模块化的神经网络库，后端同时支持Theano和TensorFlow，而Theano和TensorFlow支持GPU，因此使用keras可以使用GPU加速模型训练。Keras中包括了构建模型常用的模块，如Optimizers优化方法模块，Activations激活函数模块，Initializations初始化模块，Layers多种网络层模块等，可以非常方便快速的搭建一个网络模型，使得开发人员可以快速上手，并将精力放在模型设计而不是具体实现上。常见的神经网络模型如CNN，RNN等，使用keras都可以很快搭建出来，开发人员只需要将数据准备成keras需要的格式丢进网络训练即可。如果对keras中自带的layer有更多的需求，keras还可以自己定制所需的layer。——————————————————————————————————————————二、常见的中文分词引擎的介绍1、测试了11家中文分词引擎（各家分词系统链接地址），同时从分词准确度、歧义词切分、未登陆词（新涌现的通用词、专业术语、专有名词）三个方面进行论证。BosonNLP：http://bosonnlp.com/dev/centerIKAnalyzer：http://www.oschina.net/p/ikanalyzerNLPIR：http://ictclas.nlpir.org/docsSCWS中文分词：http://www.xunsearch.com/scws/docs.php结巴分词：https://github.com/fxsjy/jieba盘古分词：http://pangusegment.codeplex.com/庖丁解牛：https://code.google.com/p/paoding/搜狗分词：http://www.sogou.com/labs/webservice/腾讯文智：http://www.qcloud.com/wiki/API%E8%AF%B4%E6%98%8E%E6%96%87%E6%A1%A3新浪云：http://www.sinacloud.com/doc/sae/python/segment.html语言云：http://www.ltp-cloud.com/document最终的结果显示：从分词精度来看，哈工大的语言云表现的稳定一直在第二，BostonNLP分词更好，一直在这个领域保持第一。评测数据地址：http://bosonnlp.com/dev/resource（来源bostonNLP微信公众号） 提供包括中文分词、词性标注、命名实体识别、依存句法分析、语义角色标注等丰富、 高效、精准的自然语言处理技术。经过
11 年的持续研发和推广，LTP 已经成为国内外最具影响力的中文处理基础平台。切分歧义是分词任务中的主要难题。 LTP的分词模块基于机器学习框架，可以很好地解决歧义问题。 同时，模型中融入了词典策略，使得LTP的分词模块可以很便捷地加入新词信息。对原始语料进行分词、自动识别人名地名机构名等未登录词、新词标注以及词性标注。并可在分析过程中，导入用户定义的词典。NLPIR/ICTCLAS分词系统，采用层叠隐马模型（细节请参照：张华平,高凯，黄河燕，赵燕平，《大数据搜索与挖掘》科学出版社。2014.5 ISBN:978-7-03-），分词准确率接近98.23%，具备准确率高、速度快、可适应性强等优势。它能够真正理解中文，利用解决歧义切分与词性标注歧义问题。张博士先后倾力打造十余年，内核升级10次，全球用户突破30万。（博客）《大数据搜索与挖掘》张华平：4、bostonNLP玻森采用的结构化预测分词模型是传统线性条件随机场（Linear-chain CRF）的一个变种。分词与词性标注中，新词识别与组合切分歧义是两个核心挑战。玻森在这方面做了不少的优化，包括对特殊字符的处理，对比较有规律的构词方式的特征捕捉等。例如，近些年比较流行采用半监督的方式，通过使用在大规模无标注数据上的统计数据来改善有监督学习中的标注结果，也在我们的分词实现上有所应用。比如通过使用Accessory Variety作为特征，能够比较有效发现不同领域的新词，提升泛化能力。怎样确定两个词是否是固定的搭配呢？我们通过计算两个词间的归一化逐点互信息（NPMI）来确定两个词的搭配关系。逐点互信息（PMI），经常用在自然语言处理中，用于衡量两个事件的紧密程度。归一化逐点互信息（NPMI）是逐点互信息的归一化形式，将逐点互信息的值归一化到-1到1之间。如果两个词在一定距离范围内共同出现，则认为这两个词共现。筛选出NPMI高的两个词作为固定搭配，然后将这组固定搭配作为一个组合特征添加到分词程序中。如“回答”和“问题”是一组固定的搭配，如果在标注“回答”的时候，就会找后面一段距离范围内是否有“问题”，如果存在那么该特征被激活。可以看出，如果我们提取固定搭配不限制距离，会使后面偶然出现某个词的概率增大，降低该统计的稳定性。在具体实现中，我们限定了成为固定搭配的词对在原文中的距离必须小于一个常数。具体来看，可以采用倒排索引，通过词找到其所在的位置，进而判断其位置是否在可接受的区间。这个简单的实现有个比较大的问题，即在特定构造的文本中，判断两个词是否为固定搭配有可能需要遍历位置数组，每次查询就有O(n)的时间复杂度了，并且可以使用二分查找进一步降低复杂度为O(logn)。其实这个词对检索问题有一个更高效的算法实现。我们采用滑动窗口的方法进行统计：在枚举词的同时维护一张词表，保存在当前位置前后一段距离中出现的可能成词的字符序列；当枚举词的位置向后移动时，窗口也随之移动。这样在遍历到“回答”的时候，就可以通过查表确定后面是否有“问题”了，同样在遇到后面的“问题”也可以通过查表确定前面是否有“回答”。当枚举下一个词的时候，词表也相应地进行调整。采用哈希表的方式查询词表，这样计算一个固定搭配型时间复杂度就可以是O(1)了。通过引入上述的上下文的信息，分词与词性标注的准确率有近1%的提升，而对算法的时间复杂度没有改变。我们也在不断迭代升级以保证引擎能够越来越准确，改善其通用性和易用性。——5、NLTK——斯坦福中文分词器斯坦福大学自然语言处理组是世界知名的NLP研究小组，他们提供了一系列开源的Java文本分析工具，包括分词器()，词性标注工具（），命名实体识别工具（），句法分析器（）等，可喜的事，他们还为这些工具训练了相应的中文模型，支持中文文本处理。在使用NLTK的过程中，发现当前版本的已经提供了相应的斯坦福文本处理工具接口，包括词性标注，命名实体识别和句法分析器的接口，不过可惜的是，没有提供器的接口。在google无果和阅读了相应的代码后，我决定照猫画虎为NLTK写一个斯坦福器接口，这样可以方便的在Python中调用斯坦福文本处理工具，详情可见该公众号分享文。（）——————————————————————————————————————————三、中文分词工具测评来自于paperweekly的张俊，文章《专栏 | 中文分词工具测评》本文选择了4个常见的分词工具，分别是：哈工大LTP、中科院计算所NLPIR、清华大学THULAC和jieba，为了对比分词速度，选择了这四个工具的c++版本进行评测。 1、LTP
4、jieba 测试数据集1、SIGHAN Bakeoff 2005 MSR, 560KB
2、SIGHAN Bakeoff 2005 PKU, 510KB
3、人民日报 2014, 65MB
前两个数据集是SIGHAN于2005年组织的中文分词比赛所用的数据集，也是学术界测试分词工具的标准数据集，本文用于测试各大分词工具的准确性，而最后一个数据集规模较大，用于测试分词速度。1、MSR测试结果2、PKU测试结果3、人民日报测试结果一个好的分词工具不应该只能在一个数据集上得到不错的指标，而应该在各个数据集都有很不错的表现。从这一点来看，thulac和ltp都表现非常不错。特别需要强调的一点是，哈工大的ltp支持分词模型的在线训练，即在系统自带模型的基础上可以不断地增加训练数据，来得到更加丰富、更加个性化的分词模型。——————————————————————————————————————————四、R中的JiebaR和wordsegjiebaR是（Python）的R语言版本，支持最大概率法（Maximum Probability），隐式马尔科夫模型（Hidden Markov Model），索引模型（QuerySegment），混合模型（MixSegment）共四种分词模式，同时有词性标注，关键词提取，文本Simhash相似度比较等功能。项目使用了Rcpp和进行开发。目前托管在上。来自：http://cos.name/tag/jiebar/可参考： ————————————————————————————————————————————————————————————五、参考文献的罗列1、张华平老师的书，还有其论文可以在找得到一些，还有一本书《大数据搜索与挖掘》2、
没有更多推荐了，
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！Liu Yugang -------AI-Technology Research Institute
[NLP技术]关键词提取算法实现
var nodejieba = require("nodejieba");
var fs = require('fs');
var topN = 100;
var data = fs.readFileSync('t.txt', 'utf8');
console.log(data);
result = nodejieba.extract(data, topN);
console.log("11==&",result);
据中国之声《新闻纵横》报道，在刚刚过去的中秋之夜，一颗“火流星”滑亮了云南省迪庆州的夜空。根据相关天文机构公布的信息，陨石坠落的地点，可能位于香格里拉市的巴拉格宗景区范围内。
事发一周之后，昨天（11日）下午，记者专访了巴拉格宗景区相关人员。对方称，目前还是没有确定陨石坠落的具体位置。最近，有很多人员都在当地寻找陨石，但至今没有任何消息。虽然陨石还没有找到，但在网上有关陨石归属的问题已经引发了讨论。
巴拉格宗景区的工作人员洛桑培楚说，事发当时，景区的多位工作人员都目睹了那颗“火流星”，“因为我们酒店的位置，刚好是在一个U字型的峡谷里，感觉突然间天空特别亮，有个东西就飞过来了，打在对面的崖壁上，过了几分钟之后，就听见咚的一声，附近村民有明显的震感。”
liuyugang:NodeJieBa apple$ node nodenlp.js
11==& [ { word: '陨石', weight: 45. },
{ word: '格宗', weight: 35.63 },
{ word: '景区', weight: 32. },
{ word: '巴拉', weight: 29.003 },
{ word: '火流星', weight: 24. },
{ word: '坠落', weight: 18. },
{ word: '事发', weight: 16. },
{ word: '工作人员', weight: 13. },
{ word: '震感', weight: 12. },
{ word: '迪庆', weight: 11. },
{ word: '11', weight: 11.542 },
{ word: '培楚', weight: 11.542 },
{ word: '有个', weight: 11.542 },
{ word: '人员', weight: 11. },
{ word: '新闻纵横', weight: 11. },
{ word: '具体位置', weight: 10. },
{ word: '飞过来', weight: 10. },
{ word: '香格里拉', weight: 10. },
{ word: '洛桑', weight: 10. },
{ word: '字型', weight: 10. },
{ word: '相关', weight: 9. },
{ word: '崖壁', weight: 9. },
{ word: '没有', weight: 9.999 },
{ word: '目睹', weight: 8. },
{ word: '之后', weight: 8. },
{ word: '夜空', weight: 8. },
{ word: '之夜', weight: 8. },
{ word: '中秋', weight: 8. },
{ word: '那颗', weight: 8. },
{ word: '几分钟', weight: 8. },
{ word: '专访', weight: 8. },
{ word: '多位', weight: 8. },
{ word: '云南省', weight: 8. },
{ word: '归属', weight: 8. },
{ word: '刚好', weight: 7. },
{ word: '之声', weight: 7. },
{ word: '天文', weight: 7. },
{ word: '峡谷', weight: 7. },
{ word: '村民', weight: 7. },
{ word: '酒店', weight: 7. },
{ word: '对面', weight: 7. },
{ word: '天空', weight: 6. },
{ word: '一颗', weight: 6. },
{ word: '地点', weight: 6. },
{ word: '一周', weight: 6. },
{ word: '讨论', weight: 6. },
{ word: '引发', weight: 6. },
{ word: '网上', weight: 6. },
{ word: '寻找', weight: 6. },
{ word: '下午', weight: 5. },
{ word: '昨天', weight: 5. },
{ word: '听见', weight: 5. },
{ word: '报道', weight: 5. },
{ word: '刚刚', weight: 5. },
{ word: '最近', weight: 5. },
{ word: '位置', weight: 5. },
{ word: '找到', weight: 5. },
{ word: '感觉', weight: 5. },
{ word: '确定', weight: 5. },
{ word: '信息', weight: 5. },
{ word: '范围', weight: 5. },
{ word: '附近', weight: 5. },
{ word: '一声', weight: 5. },
{ word: '公布', weight: 5. },
{ word: '消息', weight: 5. },
{ word: '突然', weight: 4. },
{ word: '位于', weight: 4. },
{ word: '很多', weight: 4. },
{ word: '东西', weight: 4. },
{ word: '过去', weight: 4. },
{ word: '特别', weight: 4. },
{ word: '当时', weight: 4. },
{ word: '机构', weight: 4. },
{ word: '明显', weight: 4. },
{ word: '记者', weight: 4. },
{ word: '问题', weight: 3. },
{ word: '目前', weight: 3. },
{ word: '可能', weight: 3. },
{ word: '已经', weight: 3. },
{ word: '中国', weight: 3. },
{ word: '一个', weight: 2. } ]
liuyugang:NodeJieBa apple$
扫码向博主提问
非学，无以致疑；非问，无以广识
擅长领域：
自然语言处理
没有更多推荐了，
其它技术地址
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！((●'?'●))
(看清现实丶认清)
(我主沉浮)
第三方登录：提供企业信息化整体解决方案
NLP|自然语言处理-语法解析指南：算法和技术（第3部分）
NLP|自然语言处理-语法解析指南：算法和技术（第3部分）
| 作者： |
16:39:21| 阅读 0次
概述：让我们继续在大蓝景的背景下讨论算法中的语法，从解析器、解析树、抽象语法树等开始。
请务必首先查看和！
在解析的语境中，解析器既可以引用执行整个过程的软件，也可以引用解析器来分析词法分析器产生的tokens。这只是解析器处理整个解析过程中最重要和最困难部分的事实的结果。最重要的是，我们指的是用户最关心的事情，而且会真正看到的。实际上，正如我们所说的，词法分析器是帮助解析器工作的助手。
无论如何，解析器的输出是代码的有组织的结构——通常是一棵树。树可以是分析树或抽象语法树。它们都是树，但是它们代表实际编写的代码和解析器定义的中间元素的密切程度不同。两者之间的界限有时可能会模糊。我们将在后面的段落中看到他们的分歧。
选择树的形式是因为在不同的细节层次上处理代码是一种简单而自然的方式。例如，C＃中的一个类有一个正文，这个正文由一个语句组成，block语句是一对大括号中的语句列表，依此类推……
句法与语义的正确性
解析器是编译器或解释器的基本组成部分，当然也可以是各种其他软件的一部分。例如，在本文中，我们分析了C＃文件以生成图表。
解析器只能检查一段代码的语法正确性，但是编译器可以在检查同一段代码的语义有效性的过程中使用它的输出。
我们来看一个在语法上正确的代码，但是在语义上是不正确的。
int x = 10
int sum = x + y
该问题是一个变量（y）永远不会被定义，因此，如果执行，程序将会失败。然而，解析器没有办法知道这一点，因为它没有跟踪变量——它只是看代码的结构。
编译器通常会首先遍历分析树，并保留所有已定义变量的列表。然后，它再次遍历分析树，并检查所使用的变量是否都被正确定义。但在这个例子中，他们不是，它只会抛出一个错误。这是分析树也可以用来检查编译器的语义的一种方法。
无扫描解析器
无扫描解析器，或者更少见的是无词法解析器，是执行token化（即tokens中字符序列的转换）和适当解析的解析器。从理论上讲，有一个单独的词法分析器和解析器是可取的，因为它允许更清晰地分离目标和创建更多的模块化分析器。
无语法解析器对于语法分析器和解析器之间的明确区分是困难的或不必要的语言来说是更好的设计。一个例子是标记语言的解析器，其中特殊的标记被插入到文本的海洋中。它还可以方便地处理传统的文字阅读困难的语言，如C语言。这是因为无扫描解析器可以更轻松地处理复杂的符号。
解析真正的编程语言的问题
理论上讲，当代解析是为了处理真正的编程语言而设计的。在实践中，一些真正的编程语言面临着挑战。使用正常的解析生成器工具解析它们可能会更困难。
上下文相关的部分
分析工具传统上被设计为处理上下文无关的语言，但是有时候，这些语言是上下文敏感的。这可能是为了简化程序员的生活，或者仅仅是因为糟糕的设计。我记得读过一个程序员的故事，认为它可以在一个星期内为C语言生成一个解析器，但是后来发现了这么多的角落案例，一年之后，他仍然在为它工作。
上下文敏感元素的一个典型例子是软关键字，即可以在某些地方被认为是关键字的字符串，否则可以被用作标识符。
空白在某些语言中起着重要的作用。最著名的例子是Python，其中语句的缩进指示它是否是某个代码块的一部分。
在大多数地方，空格是不相关的——即使在Python中，单词或关键字之间的空格也不重要。真正的问题是用于识别代码块的缩进。处理这个问题最简单的方法是检查行开头的缩进，并在合适的标记中进行转换，即当缩进从前一行改变时创建一个token。
在实践中，词法分析器中的自定义函数在缩进增大或减小时产生INDENT和DEDENT符号。这些tokens在类似C的语言中起着花括号的作用——它们表示代码块的开始和结束。
这种方法使得上下文敏感而不是上下文无关。这使解析变得复杂，你通常不想这样做，但是你必须这样做。
另一个常见问题是处理语言实际上可能包含几个不同的语法的事实。换句话说，相同的源文件可能包含遵循不同语法的代码段。在解析的上下文中，相同的源文件包含不同的语言。最著名的例子可能是C或C ++预处理器，它实际上是一个相当复杂的语言，可以神奇地出现在任何随机的C代码中。
一个更容易处理的情况是注释，这是目前在许多当代编程语言。除此之外，它们可以用于在代码到达编译器之前对其进行处理。他们可以命令注释处理器以某种方式转换代码；例如，在执行注释之前执行特定的功能。他们更容易管理，因为他们只能出现在特定的地方。
空悬else是链接到if-then-else语句的常见问题。由于else子句是可选的，所以一系列的if语句可能是不明确的，例如：
then if two
目前还不清楚其他人是否属于第一或第二。
公平地说，这在很大程度上是一个语言设计的问题。大多数解决方案并没有真正复杂的解析这么多，例如，当它包含else子句时，需要使用endif或要求使用块来限定if语句。
但是，也有一些语言没有提供解决方案。也就是说，它们被模糊地设计——例如，你猜对了，C。传统的方法是将else与最近的if语句相关联，这使得解析上下文敏感。
解析树和抽象语法树
有两个术语是相关的，有时它们可以互换使用：解析树和抽象语法树（AST）。从技术上讲，解析树也可以被称为具体语法树（CST），因为它应该更具体地反映输入的实际语法，至少与AST相比。
从概念上讲，它们非常相似。他们都是树型；有一个根节点代表整个源代码。根具有包含代表越来越小的代码的子树的子节点，直到单个tokens（终端）出现在树中。
不同之处在于抽象层面。一个解析树可能包含程序中出现的所有tokens，也可能包含一组中间规则。相反，AST是分析树的抛光版本，其中只保留了与理解代码有关的信息。我们将在下一节看到一个中间规则的例子。
有些信息可能在AST和分析树中都不存在。例如，评论和分组符号（即括号）通常不被表示。像注释这样的东西对程序来说是多余的，分组符号是由树的结构隐式定义的。
从分析树到抽象语法树
解析树是代码更接近具体的语法。它显示了解析器实现的许多细节。例如，通常，每个规则对应于节点的特定类型。解析树通常由用户在AST中转换，可能需要解析器生成器的帮助。通用帮助允许您在语法中注释某些规则，以便从生成的树中排除相应的节点。如果只有一个分支，那么另一个就是折叠某些节点的选项。
这是有道理的，因为解析树更容易为解析器生成，因为它是解析过程的直接表示。但是，通过程序的步骤，AST更简单，更容易处理。它们通常包括您可能想要在树上执行的所有操作：代码验证、解释、编译等。
我们来看一个简单的例子来展示一个分析树和一个AST的区别。我们先来看一个例子语法。
在这个语法中，我们可以使用符号加（+）或字符串加运算符来定义求和（sum）。想象一下，你必须解析下面的代码。这些可能是由此产生的分析树和抽象语法树。
在AST中，特定操作员的指示消失，剩下的就是要执行的操作。特定的运算符是中间规则的一个例子。
树的图形表示
解析器的输出是一棵树，但树也可以用图形方式表示。这是为了让开发者更容易理解。一些解析生成器工具可以用DOT语言输出文件，DOT语言是用来描述图形的一种语言（树是一种特殊的图形）。然后这个文件被送到一个程序，该程序可以从这个文本描述（即）开始创建一个图形表示。
让我们看看基于前面的总和示例的DOT文本。
digraph sum {
sum -> 10;
sum -> 21;
适当的工具可以创建以下图形表示。
请继续关注。
本文原作者：Gabriele Tomassetti
推荐阅读：
PS: 更多、相关视频、培训、公开课，请关注！
关于人工智能技术的最新资讯和相关开发工具推荐，请&&！
慧都控件｜提供软件技术整体解决方案
云集全球三千余款优秀控件、软件产品，提供行业领先的咨询、培训与开发服务
企业QQ：｜电话：023-
服务与支持
重庆 / 023-
北京 / 010-
400-700-1020
慧都科技有限公司 版权所有 Copyright 2003-
400-700-1020
<input type="hidden" id="url" value=""/>算法岗位更新（NLP） - 简书
算法岗位更新（NLP）
本文推荐职位包含但不限于：今日头条、脉脉、蚂蚁金服、第四范式、探探、Keep、融360、粉笔网、拼多多等，岗位信息实时更新；具体业务方向需根据实际诉求进行定向推荐，有感兴趣的可以私信（文章末尾有微信联系方式）！个人简书主页：1.今日头条职位关键词：推荐、搜索、广告、数据挖掘、图像算法、NLP、知识图谱、机器学习等方向（算法所有职位总有一个适合您）岗位详细内容见链接：地点：北京市海淀区北三环西路43号中航广场矮楼2.粉笔网职位关键词：推荐、机器学习、NLP、数据挖掘公司亮点：1.在线直播辅导，也是主要的盈利点，公司很厉害；2.盈利能力强，不需要融资；3.直播超过500w人次，回放超过8000w人次。4.近30w人同时模考；5.练习次数超过1.5亿，累计做题数超过30亿。5.抢购一分钟销售超过3w个；6.用户数累计超过800w；7.2014年营收1000万，2015年营收超过5000万，实现同比5倍增长，并实现了盈利2016预计盈利2亿（2015年年底，在资本市场最冷的那段时间，他拒绝了某顶级VC超过一亿美元估值的投资意向书，理由是“我们不缺钱”。）岗位详细内容见链接：地点：朝阳区望京soho塔3 B区28层3.第四范式职位关键词：推荐算法；图像算法；NLP算法；数据建模；智能机器人算法研究员；公司亮点：1.国内迁移学习第一平台；2.三大国有银行联合战略投资，目前该行业基本垄断级；3.大牛众多，B+轮，上升和个人空间及机会众多岗位详细内容见链接：地点：地点：海淀区上地东路35号院颐泉汇写字楼610室4.蚂蚁金服职位关键词：推荐、搜索、广告、NLP、机器学习、机器翻译、数据挖掘等岗位详细内容见链接：地点：1.北京环球金融中心；2.
上海中心大厦浦东新区陆家嘴银城中路501号5.融360职位关键词：数据挖掘、社交图谱、反欺诈、NLP、算法架构师公司亮点:1.互联网金融搜索第一平台，几乎所有银行、互金都在其上面导流；2.上市公司，且平台类不受政策影响；3.技术团队核心，大量BAT人才岗位详细内容见链接：地点： 海淀时代网络大厦（海淀黄村）6.一下科技（秒拍）职位关键词：推荐算法；搜索算法；NLP；公司亮点：1.2016年11月完成5亿美金E轮融资国内第一短视频平台；2.微博独家合作；3.秒拍 和小咖秀日播放量峰值突破30亿次，日上传量峰值达200万，中国人每天从各个渠道看到的短视频中95%以上都带着秒拍角标，三大产品全平台日覆盖用户数超过1个亿；4.工作轻松，不加班；岗位详细内容见链接：地点：朝阳区望京宏泰东街浦项中心（望京东）7.搜狗职位关键词：数据挖掘；NLP；岗位详细内容见链接：地点：海淀区五道口搜狐大厦这是一条广告：工作生活忙成狗，时间碎片化，闲暇时间玩玩王者/快手/抖音，财富自由的人谁TM整天加班？何况周末还吭哧吭哧驻留在办公室加班忙成狗，最理想化的生活就是周末无聊，随便买张机票在周边国家落地签溜达一圈，周一再回来继续上（Sheng）班(Huo)。不过市场风云变幻，多储备和了解新的资（Ba）讯(Gua)，过硬的技术实力才有拥有一切的底气（教你如何在西二旗月入5W过成月入5K的生活）。本文来自于“不赚钱还死命加班的”“专注在互联网研发岗位寻访的”“文笔不好还装逼写文字的”“不知名小猎头”Lan。成功操作并入职的岗位包括但不限于前端、移动端（Android和iOS）、后端（Java,C++,PHP,Python等）、算法（推荐/广告/图像/深度学习/NLP/机器学习等）等。我提供的服务侧重于定向推荐，雇主均以垂直领域独角兽公司为主，包括但不限于：今日头条、快手、滴滴、摩拜、Airbnb、亚马逊、蚂蚁金服等。想谈谈人生，聊聊理想的，可以随时私信我。简书主页：
亲爱的伙伴，感谢您查看猎头Lan实时维护更新的研发岗位信息（建议微信或者简书点击收藏），需要的时候可以随时沟通（PS：简单私信勾搭下，不会怀孕的；QAQ手敲/坏笑。但有可能会发生更多奇妙的故事哦）！ 本文推荐职位包含但不限于：今日头条、火币网、蚂蚁金服、探探、脉脉、Keep...
亲爱的伙伴，感谢您查看猎头Lan实时维护更新的研发岗位信息（建议微信或者简书点击收藏），需要的时候可以随时沟通（PS：简单私信勾搭下，不会怀孕的；QAQ手敲/坏笑。但有可能会发生更多奇妙的故事哦）！ 本文推荐职位包含但不限于：今日头条、火币网、蚂蚁金服、探探、脉脉、Keep...
本文推荐职位包含但不限于：蓦然认知、美图秀秀、陌陌、百度外卖、脉脉、Growing IO、粉笔网等，以下岗位信息均会及时更新，有感兴趣的可以随时沟通！ 1.蓦然认知 深度学习工程师 岗位职责： 1.从事DL的相关工作的技术开发和优化； 2. 从事QA问答，闲聊，话术生成等技...
亲爱的伙伴，感谢您查看猎头Lan实时维护更新的研发岗位信息（建议微信或者简书点击收藏），需要的时候可以随时沟通（PS：简单私信勾搭下，不会怀孕的；QAQ手敲/坏笑。但有可能会发生更多奇妙的故事哦）！ 本文推荐职位包含但不限于：今日头条、火币网、蚂蚁金服、探探、脉脉、Keep...
亲爱的伙伴，感谢您查看猎头Lan实时维护更新的研发岗位信息（建议微信或者简书点击收藏），需要的时候可以随时沟通（PS：简单私信勾搭下，不会怀孕的；QAQ手敲/坏笑。但有可能会发生更多奇妙的故事哦）！ 本文推荐职位包含但不限于：今日头条、火币网、蚂蚁金服、探探、脉脉、Keep...
不知是不是因为之前在澳洲时遗留下来的神经病复发，还是有一部分的我被局限在了过去的消极情绪里，抑或是对一些疾病的焦虑，有时候我会怀疑自己，到底哪个才是我，有时候我又觉得哪个都可以是我，只不过有些是我不能接受的，有些是我想要展现出来的，有些是过于放纵的，有些又是偏于含蓄...
梅与安是同事更是好闺蜜。安长得美丽大方，口齿伶俐。在公司，上班业绩最好的是她，下班玩的最嗨的也是她。是身边朋友中招人喜欢又不会让人心生嫉妒的女孩子。那年，安21岁。 三年后，在家人催促安排下安嫁给了一个亲戚朋友都满意的男人。男人人高貌帅，经济条件不错，父母年轻。安虽不同意可...
I原文 我不再想做卖东西的销售了，为什么？因为刚刚我已经说过，销售不创造产品，只是从流通过程中获得利润。我卖的是别人的东西，不是我创造的。我希望有一天我能够卖我自己创造的东西，而不是别人的东西。虽然我不知道我能创造什么，但我知道我要成为一个有创造产品能力的人。 如果我所销售...
文案：“老板，春药怎么卖？”一个脸红可爱的少年小声问道。 “一两一瓶。”老板一脸我都懂的表情。 “这么贵啊，那那买一瓶吧！”少年有点肉痛。 “孩子，舍不得银两，套不着媳妇啊！”老板劝慰道。 是啊，舍不得银两，套不着少爷，想到于鹏，少年脸更红了。 一、赶考 十月一号清晨，天刚...
随便说点什么吧，毕竟无处诉说。 突然间的情绪转变应该是人人都有过的吧，昨晚没理由的心烦，躺在床上哭一场，肿着眼睛睡觉，早晨洗脸后消肿，一切就和没发生过一样。 哭的时候在想什么，想着放不开手也无法挽回的爱情，想着论文考试挂科，想着有些人生而拥有的却是我一辈子也无法得到的。总之...