損失函數(shù)與評(píng)價(jià)指標(biāo)之間的關(guān)系[https://zhuanlan.zhihu.com/p/67469129] 1 PointWise Loss 輸入：?jiǎn)蝹€(gè)文檔 ， 文檔是否和q...
發(fā)簡(jiǎn)信
IP屬地：上海
-
-
knn vs kmeansknn VS Kmeans https://www.cnblogs.com/mantch/p/11246705.html[https://www.cnblogs.com/ma...
-
bagging and boosting
Bagging 首先介紹Bootstraping，即自助法：它是一種有放回的抽樣方法（可能抽到重復(fù)的樣本）。 1、Bagging (bootstrap aggregating...
-
npl reading list
DL Basic Word2Vec skipgram cbow hierarchical softmax Negative sampling subsampling...
-
Evaluation-BLEU
因?yàn)樽罱枰褂肂LEU指標(biāo)來(lái)衡量結(jié)果，所以在此總結(jié)一下。 BLEU的全稱(chēng)是Bilingual Evaluation Understudy(雙語(yǔ)評(píng)估研究)。通常是在機(jī)器翻譯領(lǐng)...
-
PLATO: Pre-trained Dialogue Generation Model with Discrete Latent Variable1. 論文介紹 本論文由百度發(fā)表于ACL2020，重磅推出了擁有16億參數(shù)規(guī)模的超大型模型PLATO-2，該模型在公共數(shù)據(jù)集的測(cè)試超越了google發(fā)布的26億參數(shù)模型Mee...
-
【論文筆記】UniLM - Unified Language Model Pre-training for Natural Language Understanding and Generation摘要 UniLM由微軟研究院在bert的基礎(chǔ)上開(kāi)發(fā)的新型預(yù)訓(xùn)練模型，可在自然語(yǔ)言理解和生成任務(wù)上進(jìn)行微調(diào)，模型采用了三個(gè)任務(wù)進(jìn)行預(yù)訓(xùn)練：?jiǎn)蜗颉㈦p向、sequence to s...