聚焦飞桨PaddleNLP实战应用 百度AI快车道实战营再迎“魔都”学员

日前，百度AI快车道企业深度学习实战营再次在上海开营，活动聚焦PaddleNLP开源工具集的技术讲解以及实战应用，为上海及周边地区有相关需求的企业技术人员们提供了学习和交流的平台。

此次活动分享的PaddleNLP是基于百度飞桨（PaddlePaddle）深度学习框架打造的领先、全面、易用的NLP开源工具集与预训练模型集。其将自然语言处理领域的多种模型用一套共享骨架代码实现，可大大减少开发者在开发过程中的重复工作。同时，PaddleNLP拥有当前业内效果最好的中文语义表示模型和基于用户大数据训练的应用任务模型，模型均源于产业实践，达到工业级的应用效果。

在此次AI快车道的交流学习中，百度NLP资深研发工程师首先对PaddleNLP开源工具集全景进行了介绍。随后讲师们通过搜索、客服对话、快递单填写三个场景入手，为开发者们带来了PaddleNLP文本语义匹配、对话情绪识别、物流信息抽取三个模型的实际应用分享，并针对相关技术及应用与现场的开发者们交流互动。

（图：百度AI快车道PaddleNLP实战营现场）

比如，现场分享了“对话情绪识别模型”在应用于智能客服系统时，可有效快速地检测出用户表达的内容中，是否有诸如“态度差”、“废话”等较多的负面情绪词语。若识别当前负面情绪较重时，该系统将会结合上下文语境，第一时间触发安抚客户负向情绪的表达内容，或者直接触发人工客服介入。

对于开发者现场提出的“聊天场景下如何解决数据源异构、文本乱序”的问题，百度NLP研发工程师们建议，在场景差异不大的情况下，没有足够数据集时，会用到迁移学习，还是要考虑数据源同质，例如聊天的场景，可以用微博、贴吧的数据，或是用数据增强的方法，扩充数据集；而文本乱序问题，一般会用去口语化的技术来预处理。

活动当天，百度多位研发工程师们多次回答了开发者在不同场景下的具体应用问题，一位来自医疗领域的NLP开发者在活动最后说到，“我觉得这次实战营的内容很适合我这样的初学者。其实用深度学习解决问题，不但成本上拥有优势，还会带来非常高价值的改变。而像PaddleNLP这种基于飞桨的开源工具集与预训练模型集，则方便了我们开发者可以更快速地带来这种价值。”来自社交领域NLP开发的从业者更指出：“飞桨和AI Studio使用下来感觉非常‘流畅舒服’，开发者可以用现成的代码，把整个操作流程‘跑通’。”

（图：百度AI快车道PaddleNLP实战营全体开发者）

据了解，百度AI快车道企业深度学习实战营是百度依托自身深厚的深度学习技术实践经验，面向有AI技术需求企业的算法工程师、架构师群体提供的快速应用扶持计划。计划的学习内容囊括了10套工程实施与深度学习技术落地结合的详细方案，覆盖百度领先的AI技术和业务应用场景的深入剖析，如OCR、精密仪器质检、推荐排序经典场景、遥感图像处理等。源于百度业务实践的深度学习框架飞桨的性能优势、模型优势、生态优势的解读;百度自研和顶级学术会议魁首算法、预训练模型的详细介绍，还有与案例和算法紧密相扣的在线实验，并以“短平快”的课程，进行业务问题定位、框架及算法的快速应用培训，为更多企业带去深度学习技术和经验分享。

错过了本次“魔都”专场的小伙伴不要慌，11月9日，百度飞桨AI快车道将首次走进金陵南京，再次带来聚焦自然语言处理（NLP）的PaddleNLP专场，将通过文本语义匹配、物流信息抽取、机器翻译三个场景的实例应用分享，与开发者们共同开启一场NLP技术沙龙之旅。