中文推荐相关论文阅读笔记

最新推荐文章于 2024-09-20 16:21:25 发布
最新推荐文章于 2024-09-20 16:21:25 发布
阅读量770 收藏
点赞数
分类专栏： 数据挖掘 文章标签： 搜索引擎 query url 浏览器 搜狗 网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/poson/article/details/7394666
版权

  1. 《个性化推荐服务中用户兴趣模型研究》

这完全是一个空想的论文。主要是要获取用户的兴趣分类。用户兴趣包括用户浏览的网页，以及对每个网页的兴趣度。

基本上就是：对网页的兴趣做聚类。

用户的浏览时间和下拉框点击次数，要统计比较难。


   2.《基于大规模日志分析的网络搜索引擎用户行为研究》

 搜狗的搜索引擎查询日志作为基础。统计query的各种数据。

query 用户提交的查询

URL  用户点击的结果地址

time  用户点击发生时的日期、时间

rank  该URL在返回结果中的排名

order 用户点击的顺序号（这是用户点击的第几个页面）

id  由系统自动分配的用户标识号

submitter information 浏览器信息，计算机信息

poson
关注
专栏目录
论文笔记 | Simplify the Usage of Lexicon in Chinese NER
u011150266的博客
05-20 1792
作者：刘锁阵 单位：燕山大学 论文地址：https://www.aclweb.org/anthology/2020.acl-main.528.pdf 代码地址：https://github.com/v-mipeng/LexiconAugmentedNER 文章目录背景介绍Softword特征Lattice-LSTM模型设计字符表示层合并词典信息ExSoftword特征SoftLexicon对匹配到的单词分类压缩词典与字符表示相结合序列模型层标签推断层实验结果总结 背景介绍 Lattice-LSTM 1在.
推荐系统-论文阅读笔记（1）-A survey on CF based recommender system
sinat_39383309的博客
04-18 1639
1.A Survey of Collaborative Filtering-Based Recommender Systems for Mobile Internet Applications Z. Yang, B. Wu, K. Zheng, X. Wang and L. Lei, "A Survey of Collaborative Filtering-Based Recommende...
Simplify the Usage of Lexicon in Chinese NER跑论文代码遇坑及解决方法
weixin_44192983的博客
01-20 1892
github上给出的版本信息是：python3.6，pytorch0.4.1
Raki的读paper小记：Simplify the Usage of Lexicon in Chinese NER
Raki_J的博客
01-16 543
经过可乐老师的教诲之后打算focus NER方向，没想到第一篇就是复旦的 摘要和总结 Lattice-LSTM虽然达到了sota，但是模型结构非常复杂，限制了其在工业上的应用，本文提出一个简单且高效的模型，融合了词汇信息到字编码中，避免了复杂的序列建模结构。而且对于任何神经NER模型，只需要对字表示层进行微调来引入词汇信息。 推理速度是之前sota模型的六倍，表现跟之前的sota相当 模型 embedding char embedding xic=[ec(ci);eb(ci,ci+1)]x_i^c = [
论文笔记：Simplify the Usage of Lexicon in Chinese NER Minlong
Wangpeiyi9979的博客
10-28 2952
文章目录一、摘要二、模型三、实验结果 一、摘要 以前我们已经提到过一篇结合字典进行中文命名实体识别的文章《Chinese NER Using Lattice LSTM》. 这个方法能够一定程度解决分词错误。然而，这个方法有一个重要的缺陷，就是效率低下，其在源码的issue中也提到了，目前竟然不支持并行化。因此，这篇文章希望设计出一种更加有计算效率的方式。 二、模型 该论文主要是在底层字和词的表示上...
Simplify the Usage of Lexicon in Chinese NER阅读笔记
m0_53292725的博客
05-09 712
基于之前Lattice LSTM的问题进行改进 Lattice LSTM虽然达到了SOTA 但是模型结构非常复杂 限制了在工业上的应用 这篇提出了一个简化且高效的模型 融合了词汇信息到字编码中 避免了复杂的序列建模结构 而且对于任何神经NER模型 只需要对字表示层进行微调来引入词汇信息 本文提出了两个方法 后者为前者的优化 第一个方法 构造exsoftword特征 这种方法能保存所有可能的词典匹配的分词结果 {B, M , E, S, O}对应(begin, middle, end, single,
中文语料的EDA数据增强工具。NLP数据增强。论文阅读笔记。-python
06-18
An implement of the paper of EDA for Chinese corpus.中文语料的EDA数据增强工具。NLP数据增强。论文阅读笔记。
【论文阅读笔记】GLM-130B: AN OPEN BILINGUAL PRE-TRAINEDMODEL
11-01
它还一致且显著地超过了 ERNIE TITAN 3.0 260B——最大的中文语言模型——在相关基准测试中。 GLM-130B 模型的权重是公开可访问的，并且代码、训练日志、相关工具和经验教训都是开放源代码的，可以在 GitHub 上的 ...
【2024 CVPR】联邦学习+提示学习：DiPrompT论文阅读笔记
cd_passed_away的博客
05-30 11
联邦学习 (FL) 已成为从分散数据中学习的强大范式，联邦域泛化进一步考虑分散训练数据（源域）中不存在测试数据集（目标域）。然而，大多数现有的 FL 方法都假设在训练期间提供域标签，并且它们的评估对域的数量施加了明确的约束，必须严格匹配客户端的数量。由于现实世界中大量边缘设备的利用不足和额外的跨客户端域注释，这种限制可能不切实际，并涉及潜在的隐私泄露。在本文中，我们提出了一种高效且新颖的方法，称为解开提示调整 (DiPrompT)，这是一种通过学习自适应提示以分布式方式进行域泛化来解决上述限制的方法。
Chinese NER Using Lattice LSTM
05-17
命名实体识别，采用基于字的BiLSTM-CRF(Bidirectional LSTM-CRF)模型，利用人工校验的数据集进行训练，最后对该模型进行评测。
中文NER1 之 simplify the usage of Lexicon in Chinese NER
weixin_49379140的博客
08-02 1500
这里写自定义目录标题ACL-simplify the usage of Lexicon in Chinese NER中文NER难的问题通用的NER结构中文NER的Lattice-LSTM本论文的方法 ACL-simplify the usage of Lexicon in Chinese NER 近期有个项目跟提取地址实体有关，所以系统性的把ner相关研究重新review了一遍，顺便记录下笔，方便以后查询。 这篇论文下载https://arxiv.org/abs/1908.05969 这篇论文的启发是，利用
NLP-信息抽取-NER-2019：Soft-Lexicon【Simplify the Usage of Lexicon in Chinese NER】
u013250861的博客
09-07 771
NLP-信息抽取-NER-2019：Soft-Lexicon【Simplify the Usage of Lexicon in Chinese NER】
《Simplify the Usage of Lexicon in Chinese NER》论文详解
最新发布
南波湾的博客
09-20 692
Simplify the Usage of Lexicon in Chinese NER》论文的内容相对比较简单，在该论文中，作者首先讨论了一下经典的lattice，并讲明了lattice的优点和缺点，然后提出了使用词向量进行NER增强方法。作者没有使用注意力，而是使用了事先计算好的静态词频，目的是为了提升计算效率（但是也有很多复现中，直接使用self-attention取代了静态词频）。表示上面的加权函数，注意这里在计算时，对每一个类别是分开计算的，但是计算中所除的Z是按照全部统计的。
自然语言处理——信息抽取——命名实体识别
Wangpeiyi9979的博客
10-23 2545
文章目录一、任务定义二、数据集三、评测方法四、相关工作 一、任务定义 命名实体识别(NER)是指识别文本中具有特定意义的实体。比如以下句子 乔布斯离开了苹果 NER系统应该能够识别出【乔布斯】和【苹果】两个实体，并标记【乔布斯】为【人】， 【苹果】为【公司】 二、数据集 三、评测方法 命名实体识别一般分为两种评测方法，一种是严格匹配，一种是松弛匹配。比较公认的是第一种。即：边界完全匹配，而且...
《Attention and Lexicon Regularized LSTM for Aspect-based Sentiment Analysis》阅读笔记
t_zht的博客
12-10 512
摘要：端到端的深度神经网络不能很容易地适应一些明显的问题，比如说，训练数据量少。注意力机制很可能过度关注句子的某一部分，无法适用性的改变注意力机制。本文加入词典信息使得模型更加鲁棒和灵活，同时研究了正则化注意力向量的作用。 intrduction: 提出一个结合词典信息和注意力机制的LSTM的模型用来进行aspect 情感分类 methodology attention-lstm 通过...
Chinese NER Using Lattice LSTM [ACL 2018] 阅读笔记
SZ-crystal
08-08 1009
论文题目：Chinese NER Using Lattice LSTM 论文出处：ACL 2018 论文地址： https://arxiv.org/abs/1805.02023 源码： https://github.com/jiesutd/LatticeLSTM 概要 论文提出了一种适用于中文NER任务的Lattice-Lstm结构。 主要思想，综合利用字符级和单词级信息。如上图所示。在每一个字...
论文笔记：Chinese NER Using Lattice LSTM Yue
Wangpeiyi9979的博客
10-23 638
文章目录摘要一、简介指导性结论 摘要 文章提出了一种将【字】和所有【潜在词组】作为输入的模型。其有以下优势： 对于基于字的方法：模型利用了词组的信息 对于基于词的方法：模型设计了门控机制，解决了分词错误问题。 一、简介 文章为了在避免分词错误的情况下利用词信息，设计了一种Lattice LSTM的结构，其可以自动学习一些词组，作为输入。示意图如下： 指导性结论 对于中文NER来说，基于字符...
“基于大规模日志分析的网络搜索引擎用户行为研究”分享
smallnetvisitor的博客
02-26 213
概述： 此分享是搜狗实验室跟清华大学合作项目，目的是基于query 发现有价值的东西   汇总点： 1.用户只点击了top10数据。  ->用户只关系第一页 2.一次session内用户搜索的次数不多。->证明极少次搜索之后要不找到了结果，要不放弃了搜索 3.用户群体不同对同一关键词的点击不同。->用户行为分析很重要，针对用户群体做搜索排名优化也很重要   后续...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值