course/pr_1069/zh-CN/_app/immutable/nodes/5.5cb11b4e.js

import{s as Z,n as tt,o as et}from"../chunks/scheduler.37c15a92.js";import{S as nt,i as lt,g as m,s,r as w,A as st,h as r,f as n,c as a,j as X,u as b,x as v,k as Y,y as at,a as l,v as L,d as T,t as y,w as E}from"../chunks/index.2bf4358c.js";import{C as it}from"../chunks/CourseFloatingBanner.9ff4c771.js";import{H as R,E as mt}from"../chunks/getInferenceSnippets.24b50994.js";function rt(D){let i,N,P,M,p,H,o,z,f,I="在深入了解 Transformer 模型之前，让我们快速回顾一下自然语言处理是什么以及它为什么如此重要。",S,u,j,$,J="NLP 是语言学和机器学习交叉领域，专注于理解与人类语言相关的一切。NLP 任务的目标不仅是单独理解单个单词，而且是能够理解这些单词的上下文。",k,g,K="以下是常见 NLP 任务的列表，每个任务都有一些示例：",q,c,Q="<li><strong>对整个句子进行分类</strong>：获取评论的情感，检测电子邮件是否为垃圾邮件，确定句子在语法上是否正确或两个句子在逻辑上是否相关。</li> <li><strong>对句子中的每个词进行分类</strong>：识别句子的语法成分（名词、动词、形容词）或命名实体（人、地点、组织）。</li> <li><strong>生成文本内容</strong>：用自动生成的文本完成提示，用掩码词填充文本中的空白。</li> <li><strong>从文本中提取答案</strong>：给定问题和上下文，根据上下文中提供的信息提取问题的答案。</li> <li><strong>从输入文本生成新句子</strong>：将文本翻译成另一种语言，对文本进行总结。</li>",A,x,V="NLP 不仅限于书面文本。它还解决了语音识别和计算机视觉中的复杂挑战，例如生成音频样本的转录或图像的描述。",U,_,B,C,W="计算机处理信息的方式与人类不同。例如，当我们读到“我饿了”这句话时，我们很容易理解它的意思。同样，给定两个句子，例如“我很饿”和“我很伤心”，我们可以轻松确定它们的相似程度。对于机器学习 （ML） 模型，此类任务更加困难。文本需要以一种使模型能够从中学习的方式进行处理。而且由于语言的复杂性，我们很难直接设计算法来处理此类问题。已经有很多关于如何表示文本的研究，我们将在下一章中介绍一些方法。",F,h,G,d,O;return p=new R({props:{title:"自然语言处理",local:"自然语言处理",headingTag:"h1"}}),o=new it({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),u=new R({props:{title:"什么是自然语言处理？",local:"什么是自然语言处理？",headingTag:"h2"}}),_=new R({props:{title:"为什么具有挑战性？",local:"为什么具有挑战性？",headingTag:"h2"}}),h=new mt({props:{source:"https://github.com/huggingface/course/blob/main/chapters/zh-CN/chapter1/2.mdx"}}),{c(){i=m("meta"),N=s(),P=m("p"),M=s(),w(p.$$.fragment),H=s(),w(o.$$.fragment),z=s(),f=m("p"),f.textContent=I,S=s(),w(u.$$.fragment),j=s(),$=m("p"),$.textContent=J,k=s(),g=m("p"),g.textContent=K,q=s(),c=m("ul"),c.innerHTML=Q,A=s(),x=m("p"),x.textContent=V,U=s(),w(_.$$.fragment),B=s(),C=m("p"),C.textContent=W,F=s(),w(h.$$.fragment),G=s(),d=m("p"),this.h()},l(t){const e=st("svelte-u9bgzb",document.head);i=r(e,"META",{name:!0,content:!0}),e.forEach(n),N=a(t),P=r(t,"P",{}),X(P).forEach(n),M=a(t),b(p.$$.fragment,t),H=a(t),b(o.$$.fragment,t),z=a(t),f=r(t,"P",{"data-svelte-h":!0}),v(f)!=="svelte-1ntpdrd"&&(f.textContent=I),S=a(t),b(u.$$.fragment,t),j=a(t),$=r(t,"P",{"data-svelte-h":!0}),v($)!=="svelte-yao5sn"&&($.textContent=J),k=a(t),g=r(t,"P",{"data-svelte-h":!0}),v(g)!=="svelte-qpncuy"&&(g.textContent=K),q=a(t),c=r(t,"UL",{"data-svelte-h":!0}),v(c)!=="svelte-cu6f41"&&(c.innerHTML=Q),A=a(t),x=r(t,"P",{"data-svelte-h":!0}),v(x)!=="svelte-15v7jsx"&&(x.textContent=V),U=a(t),b(_.$$.fragment,t),B=a(t),C=r(t,"P",{"data-svelte-h":!0}),v(C)!=="svelte-1ki3vuc"&&(C.textContent=W),F=a(t),b(h.$$.fragment,t),G=a(t),d=r(t,"P",{}),X(d).forEach(n),this.h()},h(){Y(i,"name","hf:doc:metadata"),Y(i,"content",pt)},m(t,e){at(document.head,i),l(t,N,e),l(t,P,e),l(t,M,e),L(p,t,e),l(t,H,e),L(o,t,e),l(t,z,e),l(t,f,e),l(t,S,e),L(u,t,e),l(t,j,e),l(t,$,e),l(t,k,e),l(t,g,e),l(t,q,e),l(t,c,e),l(t,A,e),l(t,x,e),l(t,U,e),L(_,t,e),l(t,B,e),l(t,C,e),l(t,F,e),L(h,t,e),l(t,G,e),l(t,d,e),O=!0},p:tt,i(t){O||(T(p.$$.fragment,t),T(o.$$.fragment,t),T(u.$$.fragment,t),T(_.$$.fragment,t),T(h.$$.fragment,t),O=!0)},o(t){y(p.$$.fragment,t),y(o.$$.fragment,t),y(u.$$.fragment,t),y(_.$$.fragment,t),y(h.$$.fragment,t),O=!1},d(t){t&&(n(N),n(P),n(M),n(H),n(z),n(f),n(S),n(j),n($),n(k),n(g),n(q),n(c),n(A),n(x),n(U),n(B),n(C),n(F),n(G),n(d)),n(i),E(p,t),E(o,t),E(u,t),E(_,t),E(h,t)}}}const pt='{"title":"自然语言处理","local":"自然语言处理","sections":[{"title":"什么是自然语言处理？","local":"什么是自然语言处理？","sections":[],"depth":2},{"title":"为什么具有挑战性？","local":"为什么具有挑战性？","sections":[],"depth":2}],"depth":1}';function ot(D){return et(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ct extends nt{constructor(i){super(),lt(this,i,ot,rt,Z,{})}}export{ct as component};