![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 95
圆脸cc
这个作者很懒,什么都没留下…
展开
-
A Two-phase Prototypical Network Model for Incremental Few-shot Relation Classification 论文总结
提示:自己理解总结,学习存档,仅供参考,如有问题,欢迎指出探讨。代码: 文章代码文章目录一、背景二、贡献三、模型特征提取器:Deep Prototypical Network:Incremental Few-shot Prototypical Network:Triplet Loss for IncreProtoNet:四、实验四、创新点一、背景传统监督和远监督RC模型都是一个封闭世界的假设(查询实例中表示的关系必须出现在预定义的关系集中),忽略了在开放环境中出现的新关系。为了逐步识原创 2021-01-25 17:19:02 · 565 阅读 · 1 评论 -
关系抽取(自学笔记)
!! 参考《实体关系抽取方法研究综述》实体关系任务1998年提出识别实体识别关系触发标识符(二分类问题,识别是否是关系触发标识符)关系分类例如: 实例“姚明出生于上海”首先,对句子进行预处理,识别出命名实体“姚明”和“上海”然后, “出生于”作为关系触发词表明这2种实体之间可能存在某种关系最后,通过关系抽取模型的判定,得出2个实体之间存在着“地点”这一关系少量对抗样本会避免模型过拟合NLTK工具包:2009年宾夕法尼亚大学计算机和信息科学系 实验室里开发的。在关系抽取方面,研原创 2020-07-21 19:13:40 · 3332 阅读 · 1 评论 -
lifelong learning 部分总结
注: 深度学习领域小白,文章如有问题,欢迎批评指正。对于机器学习和神经网络模型来说,终身学习仍然是一个长期存在的挑战,因为从非平稳数据分布中不断获取增量可用信息通常会导致灾难性的遗忘或干扰。几种方法:structural plasticitymemory replaycurriculumtransfer learningintrinsic motivationmultisensory integration...原创 2020-06-30 17:20:20 · 5781 阅读 · 1 评论 -
Deep Learning Based Text Classification: A Comprehensive Review(部分翻译总结)
原文链接:https://arxiv.org/pdf/2004.03705.pdf摘要:回顾了近年来的150多个基于深度学习的文本分类模型,并讨论了它们的技术贡献、相似性和优势。总结了40多个广泛用于文本分类的流行数据集。最后,对不同深度学习模型在流行基准上的表现进行量化分析,并探讨未来的研究方向。1 介绍自动文本分类的方法大致分为3类:基于规则的方法基于机器学习方法(数据驱动)混合方法基于规则的方法使用一组预定义的规则将文本分类为不同的类别,这些方法需要对领域有深入的了解,而且系统很难原创 2020-06-28 21:23:53 · 6692 阅读 · 0 评论