朋辈引领筑梦科研学实论坛NLPa

学实论坛——NLPAI实战讲堂

年4月2日晚19:00，学实论坛——NLPAI实战讲堂顺利举行，由于疫情影响，本次讲座在腾讯会议线上举办。

本次活动由南京大学工程管理学院研究生会学术实践部主办，旨在积极响应“弘扬科学家精神奋进强国新征程”研究生活动月主题，帮助大家提高在文本数据处理以及人工智能应用方面的能力。活动邀请了就读于工程管理学院级金融专硕韦皓文同学分享文本分析编程以及如何运用文本分析工具，同时还邀请了人工智能学院级硕士生刘禹同学分享推荐系统的基本框架、经典算法以及应用举例等内容。

01

NLP实战讲堂

●讲座开始前，韦皓文首先分享了讲解的代码和模型数据，方便大家对NLP形成初步的了解并在后期上手实践。

●韦皓文首先向我们介绍了什么是自然语言处理（NLP），简而言之，NLP就是将人类想要表达的思想变成机器可以理解的数据。目前在金融研究领域，文本分析是非常热门且值得进一步探索的方向。为了帮助大家更好地了解在金融领域的文本分析，他结合论文《媒体文本情绪与股票回报预测》并对其进行部分复现。

●在复现的过程中，韦皓文使用了Python语言进行编程，将其分为三个部分进行讲述，分别是英文词典翻译、媒体文本分词和中文词典扩充，在每个部分为大家展示了相关代码。此外，韦皓文对分词时的注意事项进行了具体讲解，避免大家出现常见错误。

02

AI实战讲堂

●刘禹从推荐系统要解决的主要问题出发，为大家介绍几种基于邻域的经典推荐算法。他首先向大家介绍了推荐系统的相关定义，推荐系统在日常生活中通过分析用户的历史行为或视频来主动推荐用户需要的产品或感兴趣的视频等。接下来刘禹描述了推荐系统一般要处理的问题：（1）信息过载；（2）需求不明确。比如他采用货架与花生米的趣味描述，生动地向大家传输了推荐系统中所遇到的信息过载的问题。

●推荐系统对用户而言，可以帮助用户处理信息过载和需求不明确问题，对于企业而言，可以吸引用户并实现留存。刘禹分别从公司层面与用户层面阐述推荐系统的目标，表明推荐系统究竟可以为用户解决什么样的问题。

● ，刘禹以基于邻域的方法为例，详细介绍了协同过滤UserCF、ItemCF等推荐系统的典型算法，让大家进一步深入了解互联网推荐系统解决信息过载问题的内在机制。但由于邻域模型也存在有一定的不足之处，他建议大家可以更多的探索因子分解机、WideDeep等其他推荐算法。本次小讲堂中刘禹从推荐系统是什么，推荐系统能为我们做什么和推荐系统的典型算法三个层面，由浅入深带领大家了解了更多推荐算法的知识。

END

在活动的 ，线上的同学和两位分享嘉宾进行了进一步提问互动。通过本次NLPAI实战讲堂，同学们对于自然语言处理和推荐系统有了更多的了解，希望此次活动能够帮助大家在未来的学习和工作中更好的解决相关问题，探索相关研究方向。

NLP讲座代码：

转载请注明：http://www.abuoumao.com/hytd/438.html