机器学习及深度学习
fhzmsj2008Plus
这个作者很懒,什么都没留下…
展开
-
60深度学习用于文本摘要的论文及代码集锦
[1]A Neural Attention Model for Sentence SummarizationAlexander M. Rush et al.Facebook AI Research / Harvard SEASEMNLP 2015https://www.aclweb.org/anthology/D/D15/D15-1044.pdf这篇文章提出一种完全数据驱动的...转载 2019-05-20 02:11:41 · 968 阅读 · 0 评论 -
60基于深度学习的推荐系统(二)MLP based
在第二部分,我们总结MLP基础上的推荐系统,我在这里只截取了原文的一部分内容。这篇博客中所使用的注解字符和参考文献目录可以在基于深度学习的推荐系统(一)Overview中找到。我们把这些工作分为如下几部分:传统推荐算法的神经网络扩展许多现有的推荐模型基本上是线性方法。 MLP可用于向现有RS方法添加非线性变换。Neural Collaborative Filtering在大多数...转载 2019-05-20 02:11:29 · 256 阅读 · 0 评论 -
60基于深度学习的推荐系统(一)Overview
这是对近年来基于深度学习的推荐系统的内容的一份综述,具体来说,大部分内容来自 Deep Learning based Recommender System: A Survey and New Perspectives,我翻译和总结了其中的一些内容。同时,我有时也会阅读该survey提到的工作的原文,并对某些更具体的内容做一些补充。正文开始深度学习近年来在各个领域都被广泛应用,推荐系统也不例...转载 2019-05-14 17:24:32 · 408 阅读 · 0 评论 -
60深度文本匹配发展总结
1、背景介绍文本匹配是自然语言处理中的一个核心问题,很多自然语言处理的任务都可以抽象成文本匹配问题,例如信息检索可以归结成查询项和文档的匹配,问答系统可以归结为问题和候选答案的匹配,对话系统可以归结为对话和回复的匹配。针对不同的任务选取合适的匹配模型,提高匹配的准确率成为自然语言处理任务的重要挑战。2、数据集介绍论文中经常用到的数据集:SNLI:570K条人工标注的英文句子对,la...转载 2019-05-14 17:20:15 · 322 阅读 · 0 评论 -
60深度文本匹配的基本方法
开篇这里主要的内容来自庞亮博士的一篇综述性论文,后面会放出论文的参考地址。摘要深度文本匹配模型可以分为三类:基于单语义文档表达的深度学习模型基于单语义文档表达的深度学习模型主要思路是,首先将单个文本先表达成一个稠密向量(分布式表达),然后直接计算两个向量间的相似度作为文本间的匹配度。基于多语义文档表达的深度学习模型基于多语义的文档表达的深度学习模型认为单一粒度的向量来表...转载 2019-05-14 17:14:44 · 352 阅读 · 0 评论 -
60检索式问答系统的语义匹配模型(神经网络篇)
slvher助理来也后端/算法工程师目前研发方向为多轮对话系统问答系统可以基于规则实现,可以基于检索实现,还可以通过对 query 进行解析或语义编码来生成候选回复(如通过解析 query并查询知识库后生成,或通过 SMT 模型生成,或通过 encoder-decoder 框架生成,有些 QA 场景可能还需要逻辑推理才能生成回复)。具体到检索式问答系统,其典型场景是:1)候选集先离...转载 2019-05-14 17:12:00 · 2071 阅读 · 1 评论 -
60深度学习在美团配送ETA预估中的探索与实践
1.背景ETA(Estimated Time of Arrival,“预计送达时间”),即用户下单后,配送人员在多长时间内将外卖送达到用户手中。送达时间预测的结果,将会以”预计送达时间”的形式,展现在用户的客户端页面上,是配送系统中非常重要的参数,直接影响了用户的下单意愿、运力调度、骑手考核,进而影响配送系统整体成本和用户体验。对于整个配送系统而言,ETA既是配送系统的入口和全局约束,又是...转载 2019-05-14 17:08:28 · 270 阅读 · 0 评论 -
60深度学习在搜索业务中的探索与实践
引言2018年12月31日,美团酒店单日入住间夜突破200万,再次创下行业的新纪录,而酒店搜索在其中起到了非常重要的作用。本文会首先介绍一下酒店搜索的业务特点,作为O2O搜索的一种,酒店搜索和传统的搜索排序相比存在很大的不同。第二部分介绍深度学习在酒店搜索NLP中的应用。第三部分会介绍深度排序模型在酒店搜索的演进路线,因为酒店业务的特点和历史原因,美团酒店搜索的模型演进路线可能跟大部分公司都不...转载 2019-05-14 17:04:40 · 297 阅读 · 0 评论 -
60深度学习在文本领域的应用666
https://tech.meituan.com/2018/06/21/deep-learning-doc.html背景近几年以深度学习技术为核心的人工智能得到广泛的关注,无论是学术界还是工业界,它们都把深度学习作为研究应用的焦点。而深度学习技术突飞猛进的发展离不开海量数据的积累、计算能力的提升和算法模型的改进。本文主要介绍深度学习技术在文本领域的应用,文本领域大致可分为4个维度:词、句子...转载 2019-05-14 16:54:33 · 297 阅读 · 0 评论 -
DSSMs: Deep Structured Semantic Models
DSSMs: Deep Structured Semantic ModelsDSSM(Deep Structured Semantic Model):基于深度网络的语义模型,这篇论文的核心思想是把文本数据以及用户的点击历史记录映射到一个相同维度的语义空间,通过最大化两个空间的cosine相似度,最终达到信息检索的目的。DSSM这篇论文是在13年被首次提出,14,15经过两年的发展,分别演化...转载 2019-05-14 16:49:12 · 288 阅读 · 0 评论 -
DSSM深度语义匹配模型
DSSMDSSM的结构DSSM最大的卖点在检索场景下 使用点击数据来训练语义层次的匹配,简单的来说,传统检索场景下的匹配主要有:字面匹配:TFIDF、BM25等 使用LSA类模型进行语义匹配,但是效果不好而DSSM训练出来之后,检索场景下用户输入query之后,可以根据该query计算各个doc的语义相似度。这里上图最直接:上面是DSSM训练的架构图:...转载 2019-04-29 13:13:24 · 424 阅读 · 0 评论 -
【NLP】DSSM深度结构化语义模型原理
https://blog.csdn.net/zkq_1986/article/details/79128844DSSMDeep Structured Semantic ModelDSSM的结构Learning Deep Structured Semantic Models for Web Search using Clickthrough Data以及其后续文章...转载 2019-05-03 17:42:39 · 562 阅读 · 0 评论 -
DSSM深度语义结构模型-----TensorFlow实现代码
3.1 输入这里使用了TensorBoard可视化,所以定义了name_scope:ith tf.name_scope('input'): query_batch = tf.sparse_placeholder(tf.float32, shape=[None, TRIGRAM_D], name='QueryBatch') doc_positive_batch = tf.s...转载 2019-05-08 01:47:35 · 2129 阅读 · 1 评论