LSTM CRF模型中的CRF是完整的CRF還是動態(tài)規(guī)劃算法？你好，謝謝你的邀請。首先，CRF與LSTM無關(guān)。其次，CRF和HMM最大的區(qū)別是CRF是全局標(biāo)準(zhǔn)化的，這減輕了標(biāo)簽偏差。那么LSTM的本征

LSTM CRF模型中的CRF是完整的CRF還是動態(tài)規(guī)劃算法？

你好，謝謝你的邀請。

首先，CRF與LSTM無關(guān)。

其次，CRF和HMM最大的區(qū)別是CRF是全局標(biāo)準(zhǔn)化的，這減輕了標(biāo)簽偏差。

那么LSTM的本征函數(shù)就是提取的向量，或者LSTM本身就是一個本征函數(shù)。

那么，LSTM CRF中的轉(zhuǎn)移概率非常棘手。實(shí)際上，它是由tune導(dǎo)出的轉(zhuǎn)移矩陣。目的是增加馬爾可夫性和使用CRF。實(shí)踐表明，在LSTM上使用CRF是沒有用的。現(xiàn)在我們不用它了，因?yàn)長STM本身已經(jīng)足夠精確了。

最后，我認(rèn)為動態(tài)規(guī)劃只是CRF的計(jì)算方法，而不是模型本身。

如果你是一個面試者，怎么判斷一個面試官的機(jī)器學(xué)習(xí)水平？

如何理解LSTM后接CRF？

LSTM CRF完全是為了提高實(shí)驗(yàn)的準(zhǔn)確性（例如，動詞后面的名詞更容易被使用）。CRF可以完全使用，并且您不需要另一個RNN，只需將其作為第一個LSTM學(xué)習(xí)即可。然而，LSTM學(xué)習(xí)標(biāo)簽間關(guān)聯(lián)的效果會更差，在實(shí)際應(yīng)用中，可能只有一個LSTM作為序列標(biāo)準(zhǔn)。

您所知道的關(guān)于人工智能AI的知識有哪些？分享一下？

作為一名it從業(yè)者和教育家，讓我來回答這個問題。

首先，人工智能的知識體系非常龐大。從目前的研究方向來看，可以分為六大研究領(lǐng)域：計(jì)算機(jī)視覺、自然語言處理、知識表示、自動推理、機(jī)器學(xué)習(xí)和機(jī)器人學(xué)。這些不同的領(lǐng)域也有許多細(xì)分的研究方向。

從學(xué)科體系來看，人工智能是一門非常典型的交叉學(xué)科，涉及數(shù)學(xué)、計(jì)算機(jī)、控制科學(xué)、經(jīng)濟(jì)學(xué)、神經(jīng)科學(xué)、語言學(xué)、哲學(xué)等多個學(xué)科，因此人工智能領(lǐng)域的人才培養(yǎng)一直比較困難，而不是一門學(xué)科不僅知識量比較大，而且難度也比較高。由于人工智能領(lǐng)域的許多研發(fā)方向還處于發(fā)展初期，有大量的課題需要攻關(guān)，因此在人工智能領(lǐng)域聚集了大量的創(chuàng)新人才。

從目前人工智能技術(shù)的落地應(yīng)用來看，在計(jì)算機(jī)視覺和自然語言處理兩個方向出現(xiàn)了很多落地案例。隨著大型科技公司紛紛推出自己的人工智能平臺，基于這些人工智能平臺，可以與行業(yè)產(chǎn)生更多的組合，為人工智能技術(shù)在行業(yè)中的應(yīng)用奠定基礎(chǔ)，同時進(jìn)行研究和開發(fā)。人工智能的門檻大大降低。

從行業(yè)發(fā)展趨勢來看，未來很多領(lǐng)域需要與人工智能技術(shù)相結(jié)合。智能化也是當(dāng)前產(chǎn)業(yè)結(jié)構(gòu)升級的重要要求之一。在工業(yè)互聯(lián)網(wǎng)快速發(fā)展的推動下，大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的落地應(yīng)用，也將為人工智能技術(shù)的發(fā)展和應(yīng)用奠定基礎(chǔ)。目前，應(yīng)用人工智能技術(shù)的行業(yè)主要集中在it（互聯(lián)網(wǎng)）、裝備制造、金融、醫(yī)療等領(lǐng)域。未來，將有更多的產(chǎn)業(yè)與人工智能技術(shù)相結(jié)合。

中文自然語言處理預(yù)訓(xùn)練時是把每個字做onehot標(biāo)簽嗎？為什么？

計(jì)算機(jī)在進(jìn)行計(jì)算時，不能直接對文本進(jìn)行處理，所以需要將文本轉(zhuǎn)換成一個向量，一個文本和一個向量一一對應(yīng)，類似于人們的身份證號碼。Onehot編碼是一種文本矢量化，但它失去了文本的意義，只是一個身份標(biāo)記。TF-IDF還可以實(shí)現(xiàn)詞向量，增加了文本的統(tǒng)計(jì)特征，如詞頻和逆文檔詞頻。應(yīng)用廣泛，效果良好。最流行的word2vec模型保留了大部分語義特征，成為自然語言處理的標(biāo)準(zhǔn)工具。近年來，研究的熱點(diǎn)是Bert模型，它也是一種文字矢量化。這些詞向量模型往往成為其他模型的輸入端口，如命名實(shí)體識別模型word2vec-billistm-CRF和Bert-billistm-CRF。

Juba是一個中文自然語言處理（NLP）工具包，實(shí)現(xiàn)了詞向量、文檔向量、詞相似度、文檔相似度、文本生成、時間序列擬合和中文命名實(shí)體識別等功能。https://github.com/lihanju/juba

Juba的命名實(shí)體識別模型使用Bert billistm CRF，所以我們可以嘗試一下。

科里有兩位領(lǐng)導(dǎo)，出了事無論找誰匯報另一位都不高興，咋辦？

每個單位、每個部門，甚至領(lǐng)導(dǎo)，都有自己的分工。不管是好是壞，第一時間按照領(lǐng)導(dǎo)的業(yè)務(wù)分工向分管領(lǐng)導(dǎo)匯報是對的。至于是否需要向其他領(lǐng)導(dǎo)匯報，要看主管領(lǐng)導(dǎo)的意見。其他領(lǐng)導(dǎo)人是否高興是兩位領(lǐng)導(dǎo)人之間的事。你應(yīng)該盡量不參與，做好自己的工作。

一個部門有兩位領(lǐng)導(dǎo)。我不明白你的意思。通常，我們應(yīng)該區(qū)分主要的和次要的。領(lǐng)導(dǎo)分工明確的，按分工匯報；分工不明確的，按逐級要求匯報。如果是特別敏感的事情，你不知道該向誰匯報，就應(yīng)該及時向主要領(lǐng)導(dǎo)匯報。

做好工作不僅是做好工作，更是處理好與領(lǐng)導(dǎo)的關(guān)系。如果關(guān)系處理得不好，多做也沒用。有原則和程序的工作應(yīng)按照程序原則進(jìn)行。對于其他不重要的事情，兩位領(lǐng)導(dǎo)人應(yīng)該盡力加以保護(hù)。因?yàn)楣ぷ鲉栴}得罪領(lǐng)導(dǎo)是很不明智的。

LSTM模型預(yù)測效果驚人的好，深度學(xué)習(xí)做股票預(yù)測靠譜嗎？

不太好

LSTM的全稱是長-短記憶

這里的長-短意思是比非常短的略長，通常是幾十個

也意味著不可能預(yù)測長期，只能預(yù)測短期。