NLP
彩虹糖梦
A penny for my thoughts, oh no I’ll sell them for a dollar. They're worth so much more after I’m a goner.
展开
-
细粒度实体类型分类的神经网络结构
实体分类相关论文阅读第二篇:Neural Architectures for Fine-grained Entity Type Classification这篇论文的基础是引入注意力机制的细粒度实体分类,里面论文的主体构架和上一篇论文是相同的,因此关于该篇论文的大部分内容不再重复叙述,重点关注本篇论文的创新点:将手工提取的feature与注意力网络结合起来提高实体分类的精确度。这是在上篇论文中出现...原创 2018-04-08 18:59:32 · 1772 阅读 · 0 评论 -
引入知识注意力机制的实体分类
实体分类相关论文阅读第三篇:Improving Neural Fine-Grained Entity Typing With Knowledge Attention前两篇文章链接:引入注意力机制的细粒度实体分类 细粒度实体类型分类的神经网络结构这篇论文来自清华大学刘知远老师,发表于2018年。关于这篇论文还是有许多没有读懂的地方,暂时先简要的说一下论文的核心:知识是怎样被引入注意力神经网络的...原创 2018-04-08 20:17:20 · 3336 阅读 · 0 评论 -
gensim训练word2vec和doc2vec
word2vec和doc2vec是做NLP过程中经常使用的方法。用向量表示词汇这种做法由来已久,最早使用的是one-hot向量,即只有一个维度为1,其余维度都为0,但这种做法有很多缺陷,过多的维度会导致数据处理的困难,而且这种表示方法无法体现词所在的上下文关系。于是便有了word embedding,将词汇映射到连续的,稠密的向量空间。doc2vec实现方法和word2vec类似,通过训练,我们可...原创 2018-04-03 00:03:57 · 2530 阅读 · 0 评论 -
引入注意力机制的细粒度实体分类
实体分类相关论文阅读第一篇:An Attentive Neural Architecture for Fine-grained Entity Type Classification这篇论文来自UCL自然语言处理实验室,发表于2016年。细粒度实体分类是在构建知识图谱过程中非常重要的内容,关于实体分类相关的文献也比较多,也有不少分类方法,但是我们如何在非结构化的文本中确定出一个我们想要的细粒度实体,...原创 2018-04-06 19:17:04 · 5246 阅读 · 0 评论 -
Company Upstream and Downstream Analysis
Company Upstream and Downstream AnalysisBackground- Listed companies regularly disclose annual reports in each quarter to disclose the company’s operating conditions. But these reports are too ...原创 2018-11-07 22:30:44 · 1756 阅读 · 0 评论 -
论文笔记:代码语义的表示(Neural Code Comprehension: A Learnable Representation of Code Semantics)
论文概况论文链接:Neural Code Comprehension: A Learnable Representation of Code Semantics论文作者:Tal Ben-Nun,Alice Shoshana Jakobovits,Torsten Hoefler论文来源:32nd Conference on Neural Information Processing...原创 2019-03-18 20:09:28 · 2852 阅读 · 0 评论