![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
NLP
HudsonLiu
这个作者很懒,什么都没留下…
展开
-
论文分享 - Reinforced Mnemonic Reader for Machine Comprehension
简介这篇论文发表时间比较近,比较全面地总结了match-LSTM、R-Net等众多前人模型的优缺点,并做了很好的改进,如:增加编码层能力,解决长距离上下文信息,提炼预测答案片段,直接优化评价函数等,在SQuAD数据库上取得了State-Of-Art的效果。前人的很多模型都具有一个共同的网络框架,即“encoder-interaction-pointer”。首先是将问题和段落的单词序列利用R原创 2018-01-25 12:01:46 · 1990 阅读 · 1 评论 -
论文分享 - R-Net: Machine Reading Comprehension with Self-Matching
介绍该文由MSRA发表,在SQuAD数据库上目前成绩最好。模型借鉴了Wang&Jiang最早的match-LSTM方法,做了一些改进,网络结构分为以下四部分:RNN网络分别对question和passage单独编码基于门限的注意力循环神经网络(gated-attention based recurrent network)匹配question和passage,获取问题的相关段落表示(q原创 2018-01-25 11:43:43 · 3226 阅读 · 0 评论 -
论文分享 - Machine Comprehension Using Match-LSTM and Answer Pointer
介绍在Machine Comprehension(MC)任务中,早期数据库规模小,主要使用pipeline的方法;后来随着深度学习的发展,2016年,一个比较大规模的数据库出现了,即SQuAD。该文是第一个在SQuAD数据库上测试的端到端神经网络模型。主要结构包括两部分:Match-LSTM和Pointer-Net,并针对Pointer-Net设计了两种使用方法,序列模型(Sequence M原创 2018-01-25 11:38:13 · 4460 阅读 · 0 评论 -
论文分享 - Show and Tell: A Neural Image Caption Generator
介绍Image Caption是计算机视觉和自然语言处理相结合的一个任务,作者提出了一种基于神经网络的方法,将用于物体识别的cnn网络和用于机器翻译的lstm网络拼接起来,通过极大化正确描述的似然函数来训练这个网络。发表论文时,pascal数据集上bleu-1得分最高是25分,作者的模型可以到59分,人类水平大约是69分。该文主要是由于当时机器翻译模型的一些突破性进展,使用rnn模型的翻译 2018-01-25 11:09:33 · 1181 阅读 · 0 评论 -
NLP算法-面试知识点总结
前言推荐参考书籍如下:推荐使用Typora打开,阅读效果更好《统计学习方法(第2版)》- 李航《Deep Learning》- Ian Goodfellow等《机器学习》- 周志华《百面机器学习》- 诸葛越等项目地址:https://github.com/laddie132/NLP-Interview博客:https://laddie132.github.io/2020/0...原创 2020-04-26 17:48:38 · 355 阅读 · 0 评论