语言技术平台(语言技术平台， LTP )是(HIT-SCIR)开发的一套高效、高精度的中文自然语言处理开源基础技术平台。该平台集成了词法分析(分词、词性标注、命名实体识别)、句法分析(依存句法分析)和语义分析(语义角色标注、语义依存分析)。

其中，句法分析、语义分析等多项关键技术多次获得了CoNLL国际评测的第一名。此外，该平台还获得了2010年中国信息社会科学技术一等奖和2016年黑龙江省科技进步一等奖。国内外许多研究机构和知名企业通过签订协议、收费授权等方式使用平台。

在车万祥教授的指导下，哈尔滨工业大学SCIR本科生冯云龙等同学近日对LTP进行了新一轮升级，发布了LTP 4.0 版本。此次升级的主要改进包括:

基于多任务学习框架进行统一学习，使得全部六项任务可以共享语义信息，达到了知识迁移的效果。既有效提升了系统的运行效率，又极大缩小了模型的占用空间 基于预训练模型进行统一的表示 ，有效提升了各项任务的准确率 基于教师退火模型蒸馏出单一的多任务模型，进一步提高了系统的准确率 基于PyTorch框架开发，提供了原生的Python调用接口，通过pip包管理系统一键安装，极大提高了系统的易用性

下表列出了新LTP和旧LTP在准确性、效率和型号大小方面的比较:

测试环境如下:

Python 3.7 LTP 4.0 Batch Size = 1 CentOS 3.10.0-1062.9.1.el7.x86_64 Intel(R) Xeon(R) CPU E5-2640 v4 @ 2.40GHz

注:速度数据来源于人民日报命名实体的测试数据，速度计算方法是所有任务依次执行的结果。另外，语义角色标注不同于新旧版本语义依赖中使用的语料库，不能直接比较(新版本语义依赖使用SemEval 2016语料库，语义角色标注使用CTB语料库)。

招聘

AI科技评论希望招聘一名科技编辑/记者

办公地点:北京

职位:专注于追踪学术热点和采访人物

工作内容:

1.关注学术领域热点事件，及时跟踪报道；

2.采访人工智能领域的学者或R&D人员；

3.参加各种关于人工智能的学术会议，并汇报会议内容。

要求:

1.热爱人工智能的学术研究内容，擅长与学者或企业工程师打交道；

2.有一定的理工科背景，最好对人工智能技术有所了解；

3.英语能力强(工作涉及大量英语材料)；

4.学习能力强，对人工智能的前沿技术有一定的了解，能够逐渐形成自己的观点。