咕噜咕噜

转载 树模型总结

树模型总结1.树模型基础介绍。 什么是树模型？ 一种基于特征空间划分的具有树形分支结构的模型。 树模型的特点？ 方差大、对量纲没有要求、由多条规则组成、能够处理数值型和类别型数据、有较高的解释性。 树模型的优点？ 1）需要准备的数据量不大。 2）算法时间的复杂度是用于训练决策树的数据点的对数。 3）能够处理数值型和类别型数据。 4）相对对神经网络，解释性比较强。 树模型的缺点？ 有的规则不具备可解释性、抗干扰能力弱、最优决策划分是NP难问题、对数据不均衡类别倾向数据多

原创 XLNet:运行机制及和Bert的异同比较——摘要总结

参考：https://zhuanlan.zhihu.com/p/70257427

原创 word2vec(二)_基于负采样方法实现

参考：https://www.cnblogs.com/peghoty/p/3857839.html

原创 论文阅读：CoCon: A Self-Supervised Approach for Controlled Text Generation

参考：https://zhuanlan.zhihu.com/p/245816301https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2006.03535

原创 论文阅读：A Large-Scale Chinese Short-Text Conversation Dataset（CDial-GPT）

原创 论文阅读：DialoGPT

原创 论文阅读：Recipes for building an open-domain chatbot

见端到端的开域聊天机器人_Facebook_Blender

原创 论文阅读：Span-ConveRT: Few-shot Span Extraction for Dialog with Pretrained Conversational Representation

原创 论文阅读：Adapting a Language Model for Controlled Affective Text Generation

原创 Word2vec(一)_基于分层softmax

原创 端到端的开域聊天机器人_Facebook_Blender

参考；Blender论文代码Poly-encoder 论文Unlikehood Loss 论文人工评估标准:ACUTE-EVAL端到端的开域聊天机器人_Facebook_BlenderTowards a human-like open-domain chatbotGoogle’s New Meena chatbot, Supersedes Existing AI-AssistantsMeet Google New Chat.

原创 端到端的开放域聊天机器人_Google_Meena

原创 统计模型参数量和估算模型大小

原创 乘风破浪的PTM:两年来预训练模型的技术进展——摘要总结

链接：乘风破浪的PTM:两年来预训练模型的技术进展

原创 PCA思想（Principal components analysis）总结：

实践：使用sklearn简单实践PCA算法https://www.cnblogs.com/pinard/p/6243025.html参考：https://www.bilibili.com/video/BV1Vt4y1X799?p=4https://www.cnblogs.com/pinard/p/6239403.htmlhttps://www.cnblogs.com/pinard/p/6243025.html

原创 TF-IDF与TextRank