输入网页文本(不需要输入 xpath)，自动结构化输出标题、发布时间、正文、作者、来源等信息。

• 了解 NLP 发展历程 和 NLP任务边界
• 学会 如何快速使用一个NLP模型

如何高效的分发与使用UGC视频？

本文主要讲述在美团的搜索场景下查询改写项目的迭代方向和实现思路，希望能对从事搜索、广告、推荐中召回相关工作的同学有所启发或者帮助。

本文将介绍 Shopee Chatbot 团队在 Chatbot 中从 0 到 1 构建下拉推荐功能的过程，并分享模型迭代优化的经验。

聊一聊大数据时代的电商搜索问题，如何构建商品向量、如何解决搜索词与商品名称之间的语义鸿沟问题、如何解决店铺特征稀疏等问题以及如何给用户推荐合适的商品。

得物是一家潮流文化的电商平台，用户在这里能够寻找、发现自己喜爱的潮流商品。交易推荐负责所有商品的流量分发，在得物商品推荐中发挥着至关重要的作用。个性化推荐效果不仅影响用户浏览体验，还关系着公司技术和品牌形象。

在现实生活中，要理解一段语言，除了语言本身的意思，一般还要结合上下文语境，以及相关的背景知识。

用计算机处理自然语言，也是类似的思路。其中一个难点是，如何把知识结构化，从而让算法模型能根据背景知识进行推断。

例如，在电商背景下，一个用户搜索“豆豆鞋”。我们希望模型不仅能识别用户要买鞋，还要推断出这种鞋适合的人群、场景等相关信息。

把知识进行表征常用两种方式：一是知识图谱，通过图的方式表达知识的结构；二是向量，把知识用有限维的向量来表达。

这两种方式并不是割裂的，我们可以用向量构建知识图谱，也可以把知识图谱向量化。本文主要介绍电商领域知识图谱的构建方法。

在搜索系统中，召回环节位于排序漏斗的最底层，决定了下游排序的空间大小，其重要程度毋庸置疑，在闲鱼搜索场景亦是如此。然而由于机器和人力资源的限制，长期以来闲鱼搜索的召回都是使用最简单的基于文本的召回方式，其优化迭代方式也只是在基础商品字段（标题、描述）之上，增加扩展字段。

在音乐创作中，是作曲困难还是作词困难？我们发现，没有接触过完整乐理教育的人会觉得作曲比较困难。我们希望通过AI技术，尤其是自然语言处理以及自然语言生成技术，帮助音乐人高效、快速创作合格品质的歌词，节约成本与时间。

人通过获取和应用知识，能够实现对客观事物的认知和推理。从脑科学、神经科学的角度来说，人类的认知推理能力是一个非常复杂的系统，研究者对其机理的认识还非常有限。从人工智能的角度来说，研究者试图通过人工智能的技术去模拟人类的认知和推理的过程。问答就是一种典型的认知推理过程。智能问答，指的是根据预先构建的知识，对用户提出的问题给出答案。这里，我们通过介绍智能问答技术，来探讨人工智能如何实现认知推理。

人回答问题的过程，就是根据所掌握的知识来进行推理应用，从而得到答案的过程。一个全面而又庞大的知识储备是强大的推理能力的基础。人所掌握的知识可以是语义型（如：篮球比赛的场上人数是10人）、场景型（如：上周参加篮球比赛的情形）、经验型（如：篮球比赛最后几秒小比分落后该用的战术）、常识型（如：受伤了就不能上场比赛）等。那么，我们就可以结合这些知识回答各类问题（如图1所示）。

微信（WeChat）作为 12 亿+用户交流的平台，覆盖全球各个地区、不同语言的用户，而微信翻译作为桥梁为用户间的跨语言信息交流提供了便利。目前微信翻译每天为千万用户提供数亿次的翻译服务，且团队技术持续钻研，累计发表数十篇顶会论文、夺得多项 WMT 冠军。随着翻译质量的提升，微信翻译的应用形态从文本逐步扩展到图片、语音、网页、文档、视频等众多场景。本文以微信图片翻译为例介绍近一年的技术优化。

如何更快地、更稳定地在有限资源下提供高质量的语音合成技术是有道AI团队的目标和关注的重点。

We reevaluated our existing product categorization model to ensure we’re understanding what our merchants are selling, to build the best products that help power their sales.

随着多模态和深度召回模型的演进，采用多模态和语义召回模型解决content-base问题成为众多推荐平台的利器之一。

本文结合美团到餐B/C端业务场景，探索细粒度情感分析技术在用户评价挖掘方向的应用实践。