Deep Keyphrase Generation 第一篇做keyphrase generation的文章，之前的做法都是采用抽取式。抽取式的問(wèn)題在于，1）只能從原文中抽取，...
發(fā)簡(jiǎn)信
IP屬地：浙江
-
Keyphrase Generation
-
如何保持分類(lèi)模型具有類(lèi)內(nèi)聚斂、類(lèi)間分離的特性？
sofmax loss softmax loss是最常用的組件之一，但是缺乏鼓勵(lì)特征更具辨識(shí)性，這種廣泛使用的損失對(duì)模型的優(yōu)化效果是有限的。 Modify-softmax 我...
-
可以，隨機(jī)初始化embedding
基于Attention機(jī)制的深度學(xué)習(xí)模型在文本分類(lèi)中的應(yīng)用
Attention機(jī)制在2016年被大量應(yīng)用在nlp中，在之前的博客中也介紹了Attention機(jī)制在AS任務(wù)上的應(yīng)用，這里簡(jiǎn)單介紹Attention在AS任務(wù)上的應(yīng)用。在對(duì)...
-
綜述：Multi-Task發(fā)展現(xiàn)狀及未來(lái)趨勢(shì)
Taxonomy Different Views By Methodology Instance-basedIdentify useful data instances in...
-
綜述：遷移學(xué)習(xí)發(fā)展現(xiàn)狀及未來(lái)趨勢(shì)the definition of transfer learning Data Feature spacesource domain和target domain特征空間的一...
-
Multi-Turn Dialogue Response SelectionA Sequential Matching Framework for Multi-turn Response Selection in Retrieval-based Ch...
-
@dimple_ning 自己手動(dòng)按字切詞，語(yǔ)料庫(kù)我用的公司內(nèi)部的，格式可以酌情調(diào)整吧
基于Attention機(jī)制的深度學(xué)習(xí)模型在文本分類(lèi)中的應(yīng)用
Attention機(jī)制在2016年被大量應(yīng)用在nlp中，在之前的博客中也介紹了Attention機(jī)制在AS任務(wù)上的應(yīng)用，這里簡(jiǎn)單介紹Attention在AS任務(wù)上的應(yīng)用。在對(duì)...
-
你可以發(fā)我郵箱哈
綜述：深度學(xué)習(xí)算法在FAQ中的應(yīng)用(二)
compare_aggregate_network 本文介紹論文《A COMPARE-AGGREGATE MODEL FOR MATCHING TEXT SEQUENCES》...
-
CAFE相比ESIM主要的區(qū)別就在于Factorization Operation和特征對(duì)齊(CAFE同時(shí)采用Inter-Attention和Intra-Attention)；2:至于參數(shù)更少則是在于Factorization Operation輸出為標(biāo)量；3:Factorization Operation的作用在于計(jì)算特征之間的交叉，類(lèi)似于模型中引入了交叉特征
綜述：深度學(xué)習(xí)算法在FAQ中的應(yīng)用(二)
compare_aggregate_network 本文介紹論文《A COMPARE-AGGREGATE MODEL FOR MATCHING TEXT SEQUENCES》...
-
數(shù)據(jù)在博客里有鏈接哈，第五點(diǎn)下面的“這里”點(diǎn)進(jìn)去
Attention機(jī)制在問(wèn)答系統(tǒng)中的應(yīng)用
Attention機(jī)制最先被應(yīng)用在圖像處理中，后來(lái)逐漸被nlp引入，并且取得了不錯(cuò)的效果。watson系統(tǒng)研究人員在2016年發(fā)表了論文“LSTM-BASED DEEP LE...
-
Identity Mappings in Deep Residual NetworksResidual-networks可以看作是highway-networks的特殊版本，特別是“Identity mappings in deep residual netw...
-
@不正經(jīng)哥哥 上采樣和下采樣都試試吧
綜述：深度學(xué)習(xí)算法在FAQ中的應(yīng)用(二)
compare_aggregate_network 本文介紹論文《A COMPARE-AGGREGATE MODEL FOR MATCHING TEXT SEQUENCES》...
-
@不正經(jīng)哥哥 對(duì)數(shù)損失函數(shù)，我沒(méi)仔細(xì)看wikiqa的處理，樣本不平衡的話(huà)你可以抽樣
綜述：深度學(xué)習(xí)算法在FAQ中的應(yīng)用(二)
compare_aggregate_network 本文介紹論文《A COMPARE-AGGREGATE MODEL FOR MATCHING TEXT SEQUENCES》...
-
核心代碼我貼出來(lái)了，其他代碼你可以嘗試寫(xiě)一下，有問(wèn)題我盡力幫忙解答。電腦有監(jiān)控傳不了代碼，望諒解
綜述：深度學(xué)習(xí)算法在FAQ中的應(yīng)用(二)
compare_aggregate_network 本文介紹論文《A COMPARE-AGGREGATE MODEL FOR MATCHING TEXT SEQUENCES》...
-
綜述：深度學(xué)習(xí)算法在FAQ中的應(yīng)用(三)CSRAN 本文介紹論文《Co-Stack Residual Affinity Networks with Multi-level Attention Refinement ...
-
@最?lèi)?ài)鍋巴leodemon 第一張是效率最低的，自己寫(xiě)預(yù)測(cè)代碼?，F(xiàn)在基本廢棄了。第三種只是寫(xiě)預(yù)處理代碼而已。centos6也可以，不過(guò)有些包沒(méi)有，比較麻煩
如何部署tensorflow訓(xùn)練的模型
最近深度學(xué)習(xí)算法被廣泛研究和應(yīng)用，而tensorflow則是被應(yīng)用最為廣泛的工具。tensorflow訓(xùn)練的模型被應(yīng)用在線(xiàn)上時(shí)，主要有3種方式（本文主要討論java方向的應(yīng)用...
-
綜述：深度學(xué)習(xí)算法在FAQ中的應(yīng)用(二)compare_aggregate_network 本文介紹論文《A COMPARE-AGGREGATE MODEL FOR MATCHING TEXT SEQUENCES》...
-
綜述：機(jī)器學(xué)習(xí)在CTR中的應(yīng)用背景：設(shè)計(jì)個(gè)性化信息檢索時(shí)，用戶(hù)行為預(yù)測(cè)扮演著重要的作用。用戶(hù)行為預(yù)測(cè)的目標(biāo)是估計(jì)用戶(hù)點(diǎn)擊、購(gòu)買(mǎi)等行為的概率，而該概率代表了用戶(hù)對(duì)該item的興趣程度，用戶(hù)之前的行為同時(shí)也影...