自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 本地加载大模型出现OSError: Error no file named pytorch_model.bin, tf_model.h5, model.ckpt.index or ……

尝试本地加载yi1.5-6b模型,报错 OSError: Error no file named pytorch_model.bin, tf_model.h5, model.ckpt.index or flax_model.msgpack。附一个其他错误:ImportError: cannot import name 'split_torch_state_dict_into_shards' from 'huggingface_hub' (……使用模型前还是要多看看官方给的配置需求 (˘•ω•˘)

2024-07-08 17:30:03 842 2

原创 Huggingface Evaluate包使用小坑

evaluate包小坑

2023-09-03 15:45:05 4964 23

原创 Financial Sentiment Analysis: An Investigation into Common Mistakes and Silver Bullets

Title: Financial Sentiment Analysis: An Investigation into Common Mistakes and Silver BulletsConference: COLING 2020一、背景与研究问题近年来,自然语言处理在金融领域得到了广泛的应用,包括股票市场/外汇市场预测、波动率建模、资产配置、业务分类构建、信用评分、首次公开发行估值(IPO)等。处理文本输入的方法主要有两种思路:第一种是通过神经网络直接编码金融文本,并使用高维空间表征学习下游任务(

2022-04-01 15:45:47 509

原创 Open Aspect Target Sentiment Classification with Natural Language Prompts

Title: Open Aspect Target Sentiment Classificationwith Natural Language PromptsConference: EMNLP2021

2022-03-24 19:45:25 2039

原创 BERT4GCN: Using BERT Intermediate Layers to Augment GCN for Aspect-based Sentiment Classification

论文内容整理(自用)BERT4GCN标题:BERT4GCN: Using BERT Intermediate Layers to Augment GCN for Aspect-based Sentiment Classification摘要: 基于图的基于方面的情感分类(ABSC)方法已经取得了最先进的结果,特别是当使用了从训练前语言模型(PLMs)得到的上下文词嵌入时。然而,它们忽略了上下文的顺序特性,并没有充分利用PLMs。在本文中,我们提出了一个新的模型,它集成了来自BERT的PLM的语法顺序特

2021-10-28 16:53:12 1168

原创 ABSA 综述整理

一、Aspect-based Sentiment Analysis 基本任务(一)各个资料给出的关键子任务《Issues and Challenges of Aspect-based Sentiment Analysis: A Comprehensive Survey》把ABSA的任务分为Aspect Extraction (AE),Aspect Sentiment Analysis (ASA) 和 Sentiment Evolution (SE)AE:方面提取,包括显式方面explicit a

2021-10-20 21:45:54 3682

原创 Understanding self-supervised learning with dual deep networks

Facebook AI Research & Stanford University 带来的自监督学习相关研究『 ML时代的机器学习模型一般只做最后的分类聚类回归,深度学习时代的模型把特征提取的工作一并做了,可以预见,未来我们需要更复杂的模型自动收集和筛选数据。』—— 查资料发现的一句话主要内容SimCLR框架介绍 BYOL(Bootstrap Your Own Latent)框架介绍 本文内容SimCLR简单有效的对比学习框架主要成果:自监督 76.5% t

2021-07-08 14:53:08 372

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除