2017年07月_Lawe

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月

原创【Natural Language Processing】seq2seq学习笔记

seq2seq可以看成是一个翻译模型，即通过一个sequence转换为另一个sequence，也可以看做是对联的生成，即通过上联来产生下联，其主要是使用两个RNN(其实是LSTM，具体可看：LSTM(Long Short-Term Memory)学习)，一个进行Encoder，另一个进行Decoder，即Encoder-Decoder，其可用在NLG(Nature Language Gener

2017-07-18 11:52:22 1603

原创【Deep Learning】LSTM(Long Short-Term Memory)及变体

通过对RNN理解的基础上(具体可见：【Deep Learning】循环神经网络推导和实现)，可以进一步了解LSTM（LongShort-Term Memory，其出现的原因是为了解决RNN对长依赖的句子上表现不好的情况。其本质是通过合理的激活一些信息，避免距离成为信息强度的决定性因素，目前LSTM除了原来的结构外，还衍生出了很多变体。一、RNN与LSTM结构图通过前一节我们

2017-07-18 10:26:50 3001

原创【Deep Learning】循环神经网络(RNN)推导和实现

主要参考wildml的博客所写，所有的代码都是python实现，并且没有使用深度学习的框架，所以对理解RNN可以起到很大的帮助。一、语言模型如果一个句子有m个词，那么这个句子生成的概率就是：其即假设下一次词生成的概率和只和句子前面的词有关，举一个例子：How are you，生成的概率可以表示为： P(How are you) = P(you)

2017-07-17 20:45:31 1598

原创【Natural Language Processing】基于CRF++的中文分词

一、任务简介中文分词是中文信息处理领域中的最重要的任务，它对于智能信息处理技术具有重要的意义,当前的各种汉语分词技术都可以取得不错的结果。本任务做的是繁体中文分词，将训练语料的30%作为验证集，70%作为训练集，按通常的 P/R/F 三个指标进行评测，最后用全部训练数据进行训练，用给出的测试数据进行测试，并将结果提交。本次任务使用条件随机场模型（CRF）进行实验。 2

2017-07-11 20:37:06 836

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 【Natural Language Processing】seq2seq学习笔记

原创 【Deep Learning】LSTM(Long Short-Term Memory)及变体

原创 【Deep Learning】循环神经网络(RNN)推导和实现

原创 【Natural Language Processing】基于CRF++的中文分词

空空如也

空空如也

原创【Natural Language Processing】seq2seq学习笔记

原创【Deep Learning】LSTM(Long Short-Term Memory)及变体

原创【Deep Learning】循环神经网络(RNN)推导和实现

原创【Natural Language Processing】基于CRF++的中文分词