2019年07月_Danidy

07月 06月 04月 03月 01月

原创《Class label autoencoder for zero-shot learning》阅读笔记

一、解决的问题现有的零样本学习（ZSL）方法通常在训练已知类或测试未知类中学习feature space到semantic embedding space（文本或属性空间）之间的映射关系。但是，由于多语义嵌入空间具有用于描述同一类的不同语义信息的多样性特征，在特征空间和多语义嵌入空间之间不能使用映射函数。我的理解是：在同一类别中，可能存在多个语义描述，即语义描述与类别之间是多对一的关系...

2019-07-16 10:37:26 493

原创《Integrating Semantic Knowledge to Tackle Zero-shot Text Classification》阅读笔记

一、解决问题1、以前的一些研究使用不同的数据集进行训练和测试，但训练和测试集中的类之间存在相似性；例如，在（Dauphin et al.，2013）中，训练集中的“imdb.com”类与测试集中的“movies”类自然对应。2、针对关于文本分类的ZSL，很少有人研究三类语义知识（semantic attributes、concept ontology、semanticword em...

2019-07-13 17:30:58 890

原创《Few-Shot and Zero-Shot Learning for Historical Text Normalization》阅读笔记

一、介绍历史文本规范化（Historical text normalization）：许多历史文档是在没有标准拼写约定的情况下编写的，并且注释数据集很少且很小，由于历史文本由于拼写演化不同，导致人们不能很好的分辨其具体含义。目标：将使这些文件通过NLP models处理，转换成当今学者们可以查到的，并且外行人士也能看懂的文本。在之前关于这一主题的大量工作之后，我们将自我限制为逐字归一化，忽...

2019-07-09 23:20:56 389

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 《Class label autoencoder for zero-shot learning》阅读笔记

原创 《Integrating Semantic Knowledge to Tackle Zero-shot Text Classification》阅读笔记

原创 《Few-Shot and Zero-Shot Learning for Historical Text Normalization》阅读笔记

空空如也

空空如也

原创《Class label autoencoder for zero-shot learning》阅读笔记

原创《Integrating Semantic Knowledge to Tackle Zero-shot Text Classification》阅读笔记

原创《Few-Shot and Zero-Shot Learning for Historical Text Normalization》阅读笔记