毕业论文课题相关文献综述
文 献 综 述一、 选题背景及意义自然语言处理[1]（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。
此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑懂人类的语言。
自然语言生成系统把计算机数据转化为自然语言。
自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。
Google在2018年发布了BERT模型资料库。
BERT是一种对语言表征进行预训练的方法,即是经过大型文本语料库(如维基百科)训练后获得的通用语言理解模型,该模型可用于自然语言处理下游任务(如自动问答)，并且任务处理结果较以往的训练模型（如word2vec）表现优秀。
BERT之所以表现得比过往的方法要好,是因为它是首个用于自然语言处理预训练的：无监督、深度双向系统。
BERT的使用可以分为两个阶段：(1)预训练阶段,花费较高(在4-16个TPU上训练需要花上4天),好在每个语种的训练都能一次做好(目前模型只支持英语,多语言模型会在不久的将来发布)。
(2)微调阶段,花费较小。
只要一开始使用同样的预训练模型,论文中所有成果只需在单个TPU中训练1个小时就能复现(在单个GPU上也只需几个小时就能复现)。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
