![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
NLP with DL
文章平均质量分 91
潜心修行的研究者
潜心修行
展开
-
写给NLP研究者的编程指南
写给NLP研究者的变成指南(总结)基础:neural NLPpython(tensorflow、pytorch)good science将要学到的:how to write code in a way that makes your life easier!写研究代码主要有两种模式:写原型写组件一,写原型1. 如何快速地写代码使用一个框架核心:training ...原创 2018-11-24 14:54:48 · 602 阅读 · 0 评论 -
Reasoning with Sarcasm by Reading In-between(MIARN 2018)论文笔记
本文主要是提出了一种新的模型:MIARN(Multi-dimensional Intra-Attention Recurrent Networks),Intra-attention其实可以看做是self-attention的一种变种,很简单,但可解释性很好!1. Introduction虽然反讽表达形式多样,但其中有很大一部分(SemEval2018数据集显示占69.9%)是前后情感矛盾式的...原创 2019-01-03 16:45:54 · 817 阅读 · 2 评论 -
面向社会媒体的文本情感分析
情感分析发展的七项关键技术:情感分类情感元素抽取跨领域情感分析个性化情感分析隐式情感分析情感原因发现情感生成1. 情感分类1.1 基于传统机器学习方法的情感分类最好的模型是:SVM!(2002)文本特征采用:Bag of ngrams words + TFIDFBag of ngrams characters+TFIDF1.2 基于深度学习方法的句子情感分类...原创 2018-12-29 15:04:57 · 1099 阅读 · 1 评论 -
个性化情感分析的三篇论文(UPNN、UPA、UPDMN)
一,Learning Semantic Representations of Users ans Products for Document Level Sentiment Classification(2015)1. 模型结构本文提出了:UPNN(User Product Neural Network),基于CNN模型。参数主要有一下四个方面的参数:user-sentiment:uk...原创 2018-12-29 15:17:49 · 3183 阅读 · 0 评论 -
CASCADE: Contextual Sarcasm Detection in Online Discussion Forums(2018)论文笔记
本文提出了一种新的综合性的模型结构:CASCADE(ContextuAl SarCAsm DEtector),它充分利用了每条文本的上下文信息,包括:文本的用户信息(用户文体风格信息+用户个性信息);文本的主题信息。CASCADE模型的大致流程如下:构建用户嵌入:首先利用每个用户的历史文本得到用户的写作风格嵌入和用户个性嵌入,并利用典型相关分析(CCA)将两个向量融合到一起得到用户嵌...原创 2019-01-09 11:05:49 · 743 阅读 · 0 评论 -
特定主题或特定情感下的文本生成
特定主题或特定情感下的文本生成1. Topic Aware Neural Response Generation(2017)提出了TA-Seq2Seq模型。其中TwitterLDA很有用,它是短文本最优的主题模型。TwitterLDA假设:每一条信息只于一个主题有关,信息中的每个词要么是背景词要么是这条信息下的主题词。联合注意力机制:Message attention:最后融合成上下...原创 2019-05-24 11:06:28 · 2061 阅读 · 0 评论