金融知识图谱

一、简介
NLP：
1.word level:序列标注任务（上图d）,分词、词性标注、命名实体识别都属于序列标注任务，所谓序列标注就是对一个序列的每个部分（可以是词，可以是字）进行分类，上图d就是一个实体识别任务（我们后续会详细讲到），实际上我感觉语音识别如果是在帧层面上进行音素分类的话，也可以作为一种序列标注任务。

       2.sentence level :我认为只要是在句子层面分类的任务都可以归结为该类，如文本分类，情感识别，关系抽取，语音情感识别等。在这里注意关系抽取是知识图谱中将文本数据进行结构化的一种方法，实际上它离不开实体和句子，最后的分类标签还是针对这三者而来的，所以我把它归结到sentence level任务中。

       3.sentence-sentence level：这一类问题是NLP中最最常见，也是研究最广泛的一类问题，即序列和序列之间的分类，这种分类根据分类形式的不同又可以细分。例如机器翻译，问答，对话都是sequence to sequence类型的问题，而对于阅读理解，smilarity等任务都是通过针对sentences pair进行分类，拿阅读理解上图c,就是通过模型“理解”完Question和Paragraph后，然后针对Paragraph，找出start和end的位置（即对这两个token做分类）得到的start和end中间一段就是答案。再比如ai challenger2018中的观点型阅读理解就是上图a中的例子，针对的是sentences pair建模，来分类。

    给我的感觉是，学NLP并不要太局限在一个方向里，很多任务所运用的到处理问题的框架都是类似的，就好比不同的场景要搭建不同的建筑，但不同的建筑所用的材料都是想通的，知识因为场景的不同会有所区别，之前说到的知识体系就是这个意思。当然NLP的任务形式还有其他的一些内容，例如句法分析，语义角色标注，知识图谱中的知识表示模型等等又不是上述的一些形式，在这里由于这些内容本人没咋接触，就不进行说明了。

二、浅谈语言模型与词向量——原理
1 n-gram语言模型
2.神经语言模型

果然你是不愿意下功夫去仔细研究

学了那么多东西还是浮在表面的那种人

https://www.jianshu.com/u/abfe703a00fe