Pre-trained models for natural language processing: A survey

计算机科学 自然(考古学) 自然语言处理 地理 考古
作者
Xipeng Qiu,Tianxiang Sun,Yige Xu,Yunfan Shao,Ning Dai,Xuanjing Huang
出处
期刊:Science China-technological Sciences [Springer Nature]
卷期号:63 (10): 1872-1897 被引量:382
标识
DOI:10.1007/s11431-020-1647-3
摘要

Recently, the emergence of pre-trained models (PTMs) has brought natural language processing (NLP) to a new era. In this survey, we provide a comprehensive review of PTMs for NLP. We first briefly introduce language representation learning and its research progress. Then we systematically categorize existing PTMs based on a taxonomy with four perspectives. Next, we describe how to adapt the knowledge of PTMs to the downstream tasks. Finally, we outline some potential directions of PTMs for future research. This survey is purposed to be a hands-on guide for understanding, using, and developing PTMs for various NLP tasks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
寂寞的冥王星完成签到,获得积分10
1秒前
2秒前
2秒前
2秒前
2秒前
微不足道完成签到,获得积分10
3秒前
jiyuan完成签到,获得积分10
3秒前
懒羊羊发布了新的文献求助10
3秒前
上官若男应助Arjun采纳,获得10
4秒前
hu发布了新的文献求助10
4秒前
5秒前
cmh123456发布了新的文献求助10
5秒前
苗佳完成签到,获得积分10
6秒前
笨笨垣完成签到,获得积分20
6秒前
6秒前
6秒前
6秒前
崔静宇发布了新的文献求助10
6秒前
7秒前
zoe关闭了zoe文献求助
7秒前
8秒前
王芋圆完成签到,获得积分10
8秒前
8秒前
9秒前
9秒前
陈最完成签到,获得积分10
9秒前
ccccccyss发布了新的文献求助10
9秒前
无心的初兰关注了科研通微信公众号
10秒前
gnufgg发布了新的文献求助200
10秒前
wufabini发布了新的文献求助10
10秒前
靓丽翩跹发布了新的文献求助10
10秒前
10秒前
leemix完成签到 ,获得积分10
10秒前
Akim应助大胆的寻菡采纳,获得10
10秒前
11秒前
wjx发布了新的文献求助10
11秒前
11秒前
11秒前
彭于晏应助无聊的慕凝采纳,获得10
12秒前
小肖的KYT应助否认冶游史采纳,获得10
12秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3153113
求助须知:如何正确求助?哪些是违规求助? 2804274
关于积分的说明 7858206
捐赠科研通 2462058
什么是DOI,文献DOI怎么找? 1310639
科研通“疑难数据库(出版商)”最低求助积分说明 629314
版权声明 601794