Всем привет!

Сегодня вечером вместе с Олегом Локшином из SoftServe на вебинаре "Pachyderm in production: lessons learned" поговорим про MLOps инструмент Pachyderm и его применение в продакшене на примере реального BigData NLP проекта. Присоединяйтесь!

https://dataphoenix.info/webinar-pachyderm-in-production-lessons-learned/

коллеги, добрый день. подскажите, пожалуйста, как лучше решать задачу по извлечению связанных именованных сущностей? Когда например надо извлекать пары ФИО и город, с ней связанный. Как их извлечь по отдельности понятно, а как связать попарно?

погугли relation extraction

спасибо

коллеги,я всех приветствую

когда мы используем готовый скрипт,написанной в Natashe https://github.com/natasha/natasha, мы получаем обозначение имен как PER.
У меня следующий вопрос: если я хочу найти в тексте, например, какие то словосочетания ("ел груши","чистил зубы","смотрел кино" и так далее) и обозначить их,например, как Type GLAG,как мне это надо сделать?

Кажется, это проще сделать парсером типа yargy. Наташа обучена распознавать только PER LOC ORG, и на что-то другое её настроить очень геморно.

Ну либо можно посмотреть на синтаксические зависимости, и выбирать такие пары слов, что у одного слова тег NOUN и зависимость типа obj от слова с тегом VERB.
(картинка взята из spacy, но наташа примерно так же синтаксис размечает)

ИТ-лектории возвращаются!

Первая лекция в этом учебном году будет на тему «Методы автоматической обработки речи».

На ней будут рассмотрены основные понятия спектрального анализа речевого сигнала, модель генерации речи, отличия методов распознавания речи и распознавания дикторов. Также будет уделено внимание современным моделям обучения без учителя типа wav2vec.

📆Когда: 28 сентября в 16.30
🗣Спикер: Николай Карпов, к. т. н., руководитель направления в SberDevices.

Регистрация по ссылке https://cs.hse.ru/announcements/508416561.html

Друзья, привет!

Вчера пропустил данную лекцию, может есть у кого запись?

Всем доброго дня!
Подскажите, пожалуйста, простой способ натренировать нейросеть на условном Льве Толстом?
Задача выдавать "Что бы на это ответил условный нейроЛевТолстой".

Например, на вход сетке я подаю "Болконский", а на выходе получаю что то вроде "Небольшого роста, весьма красивый молодой человек с определенными сухими чертами".

Гпт видимо имеется ввиду как дотюнить?

На просторах интернета мануалы искали?

видимо да

да, но нашел в основном "инсайты" от gpt3

то есть мануала не нашел

вам нужно чтобы она на вопросы отвечала или текст продолжала?

чтобы на вопросы отвечала

https://huggingface.co/sberbank-ai/rugpt3small_based_on_gpt2 что бы продолжала - возьмите эту модель и скормите ей мегабайт 10 текстов толстого (поделив train\valid как 80\20)

для вопросов попробуйте ODQA от DeepPavlov

Спасибо, Grigory, буду пробовать!