- 博客(15)
- 收藏
- 关注
原创 迁移学习+交叉域情感分类 HATN网络
Hierarchical Attention Transfer Network for Cross-domain SentimentClassification
2019-01-20 21:28:39
1658
2
原创 对话模型-改写式回复生成模型-Response Generation by Context-aware Prototype Editing
文章目录介绍整体架构Prototype SelectorContext-Aware Neural Editor结果介绍AAAI-2019上下文敏感的改写式回复生成模型。在这个工作中,吴俣等人提出了一个新的范式:“先检索,后改写”,用于回复生成。在该框架中,首先利用检索式聊天机器人检索一个回复(原型),之后根据该回复原本的上下文和当前上下文之间的差异来改写此回复。这种新的范式不仅继承了检索式聊...
2019-01-20 21:15:01
2113
原创 半监督领域自适应之CCSA--Unified Deep Supervised Domain Adaptation and Generalization
文章目录介绍论文和实现模型架构介绍Unsupervised domain adaptation (UDA)无监督领域自适应不需要目标域任何标签数据,但是需要大量的目标域数据才能适应数据的分布,并没有任何的语义信息(标签)。半监督的领域适应只需要少量的目标域标签数据就能达到超过UDA的性能。实际应用中也更符合要求,我们可以在新的领域得到少量的标签数据。CCSA充分利用目标域少量(甚至一个)标签数...
2018-12-21 17:30:04
4301
原创 半监督领域自适应之FADA--Few-Shot Adversarial Domain Adaptation
文章目录介绍论文和实现模型架构结果介绍Unsupervised domain adaptation (UDA)无监督领域自适应不需要目标域任何标签数据,但是需要大量的目标域数据才能适应数据的分布,并没有任何的语义信息(标签)。半监督的领域适应只需要少量的目标域标签数据就能达到超过UDA的性能。实际应用中也更符合要求,我们可以在新的领域得到少量的标签数据。FADA(Few-Shot Advers...
2018-12-21 16:55:57
5467
5
原创 Transformer架构--Attention is all you need
深度学习做NLP的方法,基本上都是先将句子分词,然后每个词转化为对应的词向量序列。这样一来,每个句子都对应的是一个矩阵X=(x1,x2,…,xt),其中xi都代表着第i个词的词向量(行向量),维度为d维,故X∈Rn×d。这样的话,问题就变成了编码这些序列了。RNN层第一个基本的思路是RNN层,RNN的方案很简单,递归式进行:yt=f(yt−1,xt)不管是已经被广泛使用的LSTM、GRU还...
2018-12-21 15:46:44
897
原创 NLP数据增强方法
NLP中的数据是离散的。它的后果是我们无法对输入数据进行直接简单地转换,而大多数CV工具则没有这个限制,如domain randomization。小的扰动可能会改变含义。在NLP中,删掉一个否定词可能会改变整个句子的情绪,而修改一段话中的某个词甚至会改变语意。但CV不存在这种情况,不论图像中的是猫还是狗,扰动单个像素一般不会影响模型预测,甚至都不会出现明显变化,如插值就是一种有效的图像处理技...
2018-12-11 16:00:06
7985
原创 gcforest 深度森林原理及实现
文章目录论文和实现整体架构多粒度扫描模块实现级联森林模块优势(相对DNN):深度学习最大的贡献是表征学习(representation learning),通过端到端的训练,发现更好的features,而后面用于分类(或其他任务)的输出function,往往也只是普通的softmax(或者其他一些经典而又简单的方法)而已,所以,只要特征足够好,分类函数本身并不需要复杂representation...
2018-12-11 15:54:34
11282
2
原创 win10系统盘制作
ultraIso软件文件->打开,打开我们的iso镜像写入硬盘镜像里面sources文件夹下有个大文件(4.5g)Install.m,需要手动复制到U盘sources文件下首先,在我的电脑中确认要转换的U盘盘符,然后在开始菜单输入cmd回车(Win7请在开始菜单的运行中输入)。在命令行模式下输入convert E:/fs:ntfs回车,注意中间空格,同时,E是小编电脑上的U盘盘...
2018-12-11 15:00:14
1204
原创 pip安装scrapy
https://blog.csdn.net/zhi_neng/article/details/78994205近日,在安装Scrapy的时候提示出现了如下的错误信息:Scrapy安装错误:Setup script exited with error: Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++...
2018-12-11 14:59:20
718
原创 keras函数式模型和序贯模型的使用
文章目录函数式模型和序贯模型序贯模型实例函数式模型实例混合模型实例官方实例函数式模型和序贯模型在 Keras 中有两类主要的模型:Sequential 顺序模型 和 使用函数式 API 的 Model 类模型。序贯模型是多个网络层的线性堆叠,是函数式模型的简略版,为最简单的线性、从头到尾的结构顺序,不发生分叉。函数式模型比序贯模型要复杂,更灵活,可以同时/分阶段输入变量,分阶段输出想要的模...
2018-11-28 15:06:15
1704
原创 tensorflow cuda版本错误 libcublas.so.9.0: cannot open shared object file: No such file or directory
错误ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directoryFailed to load the native TensorFlow runtime.解决:tensorflow-gpu是1.5版本以上的,需要cuda-9.0支持重新安装pip install tens...
2018-11-28 13:10:51
613
原创 sklearn中, fit,fit_transform,transform
scikit-learn提供了一系列转换库,他们可以清洗,降维,提取特征等。在数据转换中有三个很重要的方法,fit,fit_transform,transformss=StandardScaler()X_train = ss.fit_transform(X_train)X_test = ss.transform(X_test)123初学时候好奇为何,训练样本用fit_transf...
2018-11-03 20:07:15
523
原创 深度迁移学习的几种范式
一、无监督迁移学习1.Discrepancy-based methodsTCAJDA这类方法基于特征的统计量来做,除了均值这个度量标准外,还可以借鉴类似方差的二阶统计量2.目标域适配源域充分利用源域丰富的数据和标签信息,尽可能学习一个映射将目标域映射到源域DATN, Deep Asymmetric Transfer Network for Unbalanced Domain Adap...
2018-10-25 17:17:37
1434
原创 半监督迁移学习-Deep Asymmetric Transfer Network for Unbalanced Domain Adaptation
来源:AAAI2018本文是提出半监督迁移学习框架DATN,解决源域和目标域数据不平衡的问题,输入领域自适应中的第二种范式:将目标域映射到源域主要分为两步第一步:通过自编码器学习两个域的特征表示通过无监督方式学习特征表示重构误差有标签数据的分类误差最后,结合非监督及监督的损失函数,第二步:非对称迁移(1)学习一个映射G,将目标域的数据映射到源域。即将两个域的特征表示对...
2018-10-25 16:49:54
2837
原创 Strong Baselines for Neural Semi-supervised Learning under Domain Shift半监督学习
2018 ACL 论文Strong Baselines for Neural Semi-supervised Learning under Domain Shift不同数据集的迁移学习MT-Tri方法在情感分析上(无监督域适应)超过DANN方法半监督学习结合了监督学习和无监督学习方法,能在有标签但标签不完整的数据中使用机器学习算法。本文重点介绍半监督学习算法中特殊算法,它们能在未标记数据...
2018-10-07 23:06:00
1130
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人