对于金融领域来说，文本信息对资本市场的影响，是自然语言处理最重要的应用之一，属于计算金融的研究范畴。...

BERT赋能，解决训练语料少等难题

尽管人工智能依靠机器学习技术的进步取得了巨大的进展，但机器必须要掌握大量的知识，才能实现真正类人的智能。...

随着金融行业发展，中间件也将引入更多技术，提升业务的效率。

知识图谱推理的低资源问题   在以往常见的基于表示学习的知识图谱推理模型中，往往都会利用大量的数据对模型进行训练。并且在大多数当前的研究中，都会假设在其实验所使用的知识图谱中，所有的关系都有充足的三元组实例用来训练。但在真实的知识...

2014年谷歌公司研究员克里斯蒂安·塞格迪等最早发现深度神经网络容易受到对抗样本的攻击，即对输入图象加入人们难以察觉的微小扰动可以让网络产生错误的判断（如图1所示）。这样的对抗样本数量十分充沛，几乎所有原始样本的周围都能够找到可以“愚弄”和...

从理论到模型，你需要的深度学习资源都在这里！

从扫盲、实战，再到实验、提高，一层层剥开密码学的“神秘面纱”

当下我们正处于数字化转型时代，数据分析与挖掘是激发数据潜力的重要一环，一些前沿技术的落地已经近在眼前。...

RPA近年来发展迅速，也开始引入金融业务场景。通过与其他技术互相配合，RPA或将成为金融机构必备的核心工具。...

NLP+知识图谱体现了基本面投资决策核心逻辑，是AI切入投资决策领域的“正确姿势”。

云原生思想即“以应用为中心”，为了快速相应并满足用户诉求，云原生架构应是金融软件架构升级的最佳选择。...

大厦之基：区块链治理之现状与思考。