<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>自然语言处理 on Answer</title>
    <link>https://answer.freetools.me/tags/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/</link>
    <description>Recent content in 自然语言处理 on Answer</description>
    <generator>Hugo -- 0.152.2</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 12 Mar 2026 23:30:51 +0800</lastBuildDate>
    <atom:link href="https://answer.freetools.me/tags/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Word2Vec：两个模型如何教会机器理解词语之间的关系</title>
      <link>https://answer.freetools.me/word2vec%E4%B8%A4%E4%B8%AA%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E6%95%99%E4%BC%9A%E6%9C%BA%E5%99%A8%E7%90%86%E8%A7%A3%E8%AF%8D%E8%AF%AD%E4%B9%8B%E9%97%B4%E7%9A%84%E5%85%B3%E7%B3%BB/</link>
      <pubDate>Thu, 12 Mar 2026 23:30:51 +0800</pubDate>
      <guid>https://answer.freetools.me/word2vec%E4%B8%A4%E4%B8%AA%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E6%95%99%E4%BC%9A%E6%9C%BA%E5%99%A8%E7%90%86%E8%A7%A3%E8%AF%8D%E8%AF%AD%E4%B9%8B%E9%97%B4%E7%9A%84%E5%85%B3%E7%B3%BB/</guid>
      <description>深入解析Word2Vec的核心原理、Skip-gram与CBOW架构、负采样与层次Softmax优化技术，以及从词向量类比到现代大模型嵌入层的完整技术演进。</description>
    </item>
    <item>
      <title>Hidden State：Transformer如何在层层传递中「理解」语言</title>
      <link>https://answer.freetools.me/hidden-statetransformer%E5%A6%82%E4%BD%95%E5%9C%A8%E5%B1%82%E5%B1%82%E4%BC%A0%E9%80%92%E4%B8%AD%E7%90%86%E8%A7%A3%E8%AF%AD%E8%A8%80/</link>
      <pubDate>Thu, 12 Mar 2026 10:59:23 +0800</pubDate>
      <guid>https://answer.freetools.me/hidden-statetransformer%E5%A6%82%E4%BD%95%E5%9C%A8%E5%B1%82%E5%B1%82%E4%BC%A0%E9%80%92%E4%B8%AD%E7%90%86%E8%A7%A3%E8%AF%AD%E8%A8%80/</guid>
      <description>从Hidden State的数学定义出发，深入解析Transformer不同层如何编码词身份、句法结构和语义信息。涵盖BERT层级分析、Probing研究、Fine-tuning对表示的影响，以及如何有效利用中间层表示的完整技术全景。</description>
    </item>
    <item>
      <title>垃圾邮件过滤的三十年战争：从规则引擎到神经网络的进化之路</title>
      <link>https://answer.freetools.me/%E5%9E%83%E5%9C%BE%E9%82%AE%E4%BB%B6%E8%BF%87%E6%BB%A4%E7%9A%84%E4%B8%89%E5%8D%81%E5%B9%B4%E6%88%98%E4%BA%89%E4%BB%8E%E8%A7%84%E5%88%99%E5%BC%95%E6%93%8E%E5%88%B0%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E8%BF%9B%E5%8C%96%E4%B9%8B%E8%B7%AF/</link>
      <pubDate>Fri, 06 Mar 2026 07:26:58 +0800</pubDate>
      <guid>https://answer.freetools.me/%E5%9E%83%E5%9C%BE%E9%82%AE%E4%BB%B6%E8%BF%87%E6%BB%A4%E7%9A%84%E4%B8%89%E5%8D%81%E5%B9%B4%E6%88%98%E4%BA%89%E4%BB%8E%E8%A7%84%E5%88%99%E5%BC%95%E6%93%8E%E5%88%B0%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E8%BF%9B%E5%8C%96%E4%B9%8B%E8%B7%AF/</guid>
      <description>深入解析垃圾邮件过滤技术的三十年演进。从1978年第一封垃圾邮件的诞生，到Paul Graham 2002年的贝叶斯革命，再到Gmail使用TensorFlow实现99.9%拦截率。系统梳理规则引擎、统计过滤、机器学习、深度学习四代技术架构的更迭，揭示这场没有硝烟的战争背后的技术逻辑与攻防博弈。</description>
    </item>
  </channel>
</rss>
