- 博客(35)
- 收藏
- 关注
RSS订阅原创 【计算机领域中文论文写作不成文的规定】
或加上简写修改为（Pe-trained Language Models，PLMs）。若加上简写后，下文关于“预训练语言模型”全部改为PLMs。后续遇到会继续补充，还有其他遗漏，也可以评论补充，希望大家一起共勉。
2023-08-09 14:03:38
144
原创 将dblp中的文件导入到endnote中
打开endnote。直接将下载的文件拖入到这个框框中。或者点击file，点击import导入文件。此时并没有下载文件，页面跳转到另一个页面。单击右键另存为，存到自己的文件夹中。点击1 Endnote，然后点击2下载。复制要导入的论文题目到dblp中搜索。点击第一个按钮的第一个链接。跳转后页面点击cite。
2023-03-19 16:11:59
535
原创 解决PyTorch Lightning报错KeyError: ‘hidden_states‘
使用 pytorch lingtning 编写模型报错
2022-10-05 08:39:45
812
1
原创 “this version of pandas is incompatible with numpy ＜ 1.15.4\n“ ImportError: this version of pandas i
python bug：this version of pandas is incompatible with numpy < 1.15.4\n" ImportError: this version of pandas is incompatible with numpy < 1.15.4 your numpy version is 1.13.1.
2022-07-20 11:19:29
4353
原创 What is Fair about Indicidual Fairness
What’s Fair about Individual Fairness?作者：Will Fleisher本文阐述了两个观点对于个体公平：个体公平不能作为公平的定义。个体公平的方法不应该优先于其他公平方法，也不应该与其他方法独立使用。提出了四个问题论证上述观点：similar treatment的不足：反例表明，similar treatment不足以保证公平；系统偏差和人类决策者：用于学习相似性度量的个体公平方法存在编码人类隐性偏见的风险。先前的道德判断：个体公平方法需要事先的道德
2022-05-23 16:41:02
265
原创 FairLex A Multilingual Benchmark for Evaluating Fairness in Legal Text Processing
FairLex: A Multilingual Benchmark for Evaluating Fairness in Legal Text ProcessingFairLex:一个评估法律文本处理中的公平性的多语言基准作者：Ilias Chalkidis ；Tommaso Pasini ；Sheng Zhang ；Letizia Tomada ；Sebastian Felix Schwemer ；Anders SøgaardAbstract提供了一套由四个数据集组成的基准测试集，用于评估预先训
2022-05-09 23:17:43
579
原创 如何阅读NLP论文笔记
如何阅读NLP论文笔记b站学习视频：https://www.bilibili.com/video/BV1ME411J7Ch?p=3&spm_id_from=pageDriver一、搜索论文并分组通过会议；2.通过预印本；3. 通过问题；4. 通过方法（模型）:CNN,RNN,GNN,Transformer,Attention,Reinforcement;5. 通过数据集（文本类型）:DUC,LCSTS,CNN/Daily Mail,News,Science/Academic papers,
2022-04-13 16:12:59
209
原创 word2vec
Efficient Estimation of Word Representations in Vector Space【word2vec】作者：Tomas Mikolov；Kai Chen；Greg Corrado；Jeffrey Dean；Abstract我们提出了两个新的模型体系结构来计算单词的连续向量表示从非常大的数据集。 在单词相似度任务中测量这些表示的质量，并将结果与之前基于不同类型神经网络的最佳表现技术进行比较。 我们观察到，在更低的计算成本下，准确性有了很大的提高，即从16亿单词数据集
2022-04-09 17:44:49
918
原创 CogLTX Applying BERT to Long Texts
CogLTX: Applying BERT to Long TextsMing Ding, Chang Zhou, Hongxia Yang, and Jie Tang. 2020. CogLTX: Applying BERT to Long Texts. InAdvances in Neural Information Processing Systems, Vol. 33.12792–12804Abstract由于二次增加的内存和时间消耗，BERT无法处理长文本。解决这个问题的最自然的方法，如通
2022-04-09 17:40:40
1601
原创 PARADE
PARADE: Passage Representation Aggregation for Document Reranking翻译作者：Canjia Li, Andrew Yates, Sean MacAvaney, Ben He，Yingfei SunAbstract经过预训练的transformer模型，如BERT和T5，已证明在特殊通道和文档排序方面非常有效。由于这些模型固有的序列长度限制，它们需要遍历文档的段落，而不是一次处理整个文档序列。虽然已经提出了几种聚集通道级信号的方法，但这些技术
2022-04-03 13:53:37
1372
原创 KeyBLD Selecting Key Blocks with Local Pre-ranking for Long Document Information Retrieval
KeyBLD: Selecting Key Blocks with Local Pre-ranking for Long Document Information Retrieval论文翻译作者：Minghan Li ；Eric Gaussier；发表咋SIGIR2021Abstract基于Transformer的模型，尤其是像BERT这样经过预训练的语言模型，在各种自然语言处理和信息检索任务中都取得了巨大的成功。然而，由于自我注意机制的二次复杂性，这种模型难以处理长文档。最近的工作要么截断长文档，要
2022-04-01 22:29:31
1099
原创 综述文章怎么看
综述文章怎么看？综述好处就是总结了这个领域的典型文章，自己不需要花费大量的时间去找文章。一、综述文章的目的了解这个领域的整个发展脉络.二、如何读综述文章知道目前最好的模型是什么。（这个模型解决了什么问题？这个模型为什么可以解决这个问题？做到了什么地步了？还有什么缺陷？）典型的相关参看文献文章要下载看。（数据有什么区别，哪里有问题，效果是什么）文章与文章之间的关系要理清楚。三、对于综述里面的参考文献分为必看文章和与必看相关文章，与必看和综述不直接相关的文章。必看文章是需要下
2021-12-27 10:38:17
1908
原创 如何查找一篇论文
如何查找一篇论文定位关键词在谷歌学术或者dblp中定位关键词。综述的话加上一个回顾和评论就行。点进去看摘要，相关就下载。看到链接后面标有红色字样的pdf就可以直接下载，如果该文章没有后面的pdf就以下网址中下载https://www.sci-hub.ren/在链接中输入下载链接即可，一般顶级期刊和会议都可以下载。最后，还不行看看学校里面有没有帮帮互助群。注意：百度学术可以用来查看该论文被哪里接受了。...
2021-11-14 08:44:24
2303
原创 node.js在linux上使用教程
node.js在linux上使用教程1.安装配置sudo apt-get install nodejs npm查看版本node -vnpm -v2.创建第一个应用引入required模块 ，使用require指令来载入http模块，并将实例化的HTTP赋值给变量http，实例如下：var http = require("http");创建服务器，创建一个叫server.js文件，写入以下代码：var http = require('http');http.create
2021-08-11 20:58:28
859
原创 MNIST手写数字分类识别二——多层神经网络
手写分类识别二：多层神经网络一、 全连接但隐藏层全连接神经网络载入数据import tensorflow as tf#导入Tensorfloe提供的读取MNIST的模块import tensorflow.examples.tutorials.mnist.input_data as input_data#读取MNIST数据mnist = input_data.read_data_sets("C:/Users/grid/Desktop/MNIST_data/",one_hot=True)#读
2021-08-11 20:51:28
757
原创 MNIST手写数字识别一
手写分类识别一MNIST手写数字识别：分类问题一、数据准备MNIST数据集来自美国国家标准与技术研究所，National Institute of Standards and Technology(NIST)数据集由来自250个不同人手写的数字构成，其中50%是高中学生，50%来自人口普查局（the Census Bureau)的工作人员MNIST数据集可在http://yann.lecun.com/exdb/mnist/获取Tensorflow提供了数据集读取方法import
2021-08-11 20:50:21
479
原创 多元线性回归问题——波士顿房价预测
多元线性回归问题——波士顿房价预测波士顿房价预测数据集包括506个样本，每个样本包括12个特征变量和该地区的平均房价（单价）显然和多个特征变量相关，不是单变量线性回归（一元线性回归）问题，选择多个特征变量来建立线性方程，这就是多变量线性回归（多元线性回归）问题数据集的解读：CRIM：城镇人均犯罪率ZN：住宅用地超过25000sq.ft.比例INDUS：城镇非零售商用土地的比例CHAS：边界时河流为1，否则为0NOX：一氧化氮浓度RM：住在平均房间数AGE:1940年之前建成的自用房屋比例
2021-08-11 20:47:22
3961
原创 线性回归Tensorflow实战
单变量线性回归Tensorflow实战一、核心步骤使用tensorflow进行算法设计与训练的核心步骤： ① 准备数据 ② 构建模型 ③ 训练模型 ④ 进行预测二、实战一：线性方程单变量的线性方程可以表示为： y=w*x+b本例通过生成人工数据集。随机生成一个近似采样随机分布，使得w=0.2，b=1，并加入一个噪声，噪声的最大振幅为0.4y=2.0*x+1完成：1.人工数据集生成#在Jupyter中，使用matplotlib显示图像需要设置为inline模式
2021-08-11 20:46:02
487
原创 监督式机器学习的基本术语
监督式机器学习的基本术语一、监督式机器学习基本概念机器学习系统：通过学习如何组合输入信息来对未见过的数据做出有用的预测。术语：标签和特征。 标签：是我们要预测的真实事物：y。（线性回归中的y变量） 特征：是指用于描述数据的输入变量：Xi(线性回归中的{x1，x2，…，xn}变量)术语：样本和模型 样本：是指数据的特定实例：x 有标签样本具有{特征，标签}：{x,y}用于训练模型 无标签样本具有{特征，？}：{x,?}用于对新数据做出预测 模型：可将样本映射到预测标
2021-08-11 20:44:59
701
原创 1.深度学习安装Tensorflow
深度学习之在windows上安装Tensorflow一、安装anaconda下载清华镜像地址：无脑安装。anaconda修改国内镜像源打开Anaconda Prompt 窗口，执行命令：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free然后再执行命令conda config --set show_channel_urls yes去用户目录底下找到.
2021-06-26 11:35:48
131
原创 5.tensorflow2.0基础
tensorflow2.0基础二一、查看版本import tensorflow as tf print("TensorFlow版本是：",tf.__version__)#显示Tensorflow版本，注意：是两个下划线区别一：输出数值#tensorflow输出节点数值时要使用一个会话#tensorflow2.0版本可以使用numpy()方法，以下是使用numpy（）方法输出数值import tensorflow as tfnode1 = tf.constant([[3.0,1.5],[2
2021-06-26 11:32:01
666
原创 4.Tensorflow的可视化
tenserflow可视化工具：TensorBoard安装的坑一、tenserboardtensorBoard是TensorFlow的可视化工具通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态TensorBoard和TensorFlow程序跑在不同的进程中二、案例：在tensorBoard中查看图结构#导入TensorFlow库import tensorflow as tf#清除default graph和不断增加的节点tf.reset_d
2021-06-26 11:31:07
475
原创 3.Tensorflow基础1
TensorFlow基础一一、用TensorFlow说Hello World！import tensorflow as tf#创建一个常量运算，将作为一个节点加入到默认计算图中hello = tf.constant("Hello ,World!")#创建一个TF对话sess = tf.Session()#运行并获取结果print(sess.run(hello))输出：b’Hello ,World!’(b表示字节文字)二、TensorFlow计算模型——计算图TensorFlo
2021-06-26 11:28:59
116
原创 简明的python基础
简明的python基础一、简单的输出print的基础用法：print默认换行，如果要实现不换行，需要指定结尾符号 end=’’print("Hello");print("Hello",end=' ')print("world!");二、变量与基本数据类型每个变量在内存中创建，都包括变量的标识，名称和数据这些信息。每个变量在使用前都必须赋值，赋值号是“=”。python中 的变量赋值不需要数据类型的声明，数据类型根据具体的赋值确定。标识符：在python中，标识符
2021-06-23 13:41:11
417
转载 nodeJS笔记参考菜鸟教程
nodeJS笔记——参考菜鸟教程菜鸟教程地址：https://www.runoob.com/nodejs/nodejs-tutorial.html一、node.js下载安装。源码下载地址：https://nodejs.org/en/download/安装包下载地址：https://nodejs.org/dist/node --version 查看使用版本无脑操作安装node.js创建第一个node.js应用：1.server.jsvar http = require(‘http’);ht
2021-04-25 20:56:17
1100
原创 动手学机器学习(一)-安装
《动手学深度学习》笔记（一）安装准备官方网址：http://zh.gluon.ai/（里面包括了电子书籍，论坛，代码笔记等详细介绍）动手深度学习B站视频：https://www.bilibili.com/video/BV154411S7Tf?from=search&seid=15253407819388904886一、安装准备根据操作系统下载并安装Miniconda。下载地址：https://conda.io/en/master/miniconda.html下载后运行安装。
2021-04-25 10:48:57
505
2
原创 sed和awk的学习
sed和awk的学习sedsed编辑器：可以用键盘命令来交互式地插入、删除或替换数据中的文本。命令格式：sed options script file在命令行使用多个编辑器命令 sed -e ‘s/brown/green/; s/dog/cat/’ data1.txt或者输入第一个单引号标示出sed程序脚本的起始，直到输入了标示结束的单引号。从文件中读取编辑器命令 sed -f script1.sed data1.txtsed基础替换标记：数字，表明新文本将替换
2021-04-19 15:29:39
57
原创 Jenkins学习——安装配置
Jenkins学习——安装配置一、学习资料学习文档：https://www.w3cschool.cn/jenkins/https://www.jianshu.com/p/5f671aca2b5a学习视频：https://www.bilibili.com/video/BV1kJ411p7mV?p=10二、安装Jenkinslinux/unixwget -q -O - https://pkg.jenkins.io/debian/jenkins.io.key | sudo apt-key add
2021-04-19 15:26:38
121
原创 使用VMware安装SlackWare
使用VMware安装SlackWare一、下载slackWare官方网站：http://www.slackware.com/中科大镜像下载：http://mirrors.ustc.edu.cn/slackware/二、新建虚拟机参考：https://blog.csdn.net/qq_33233768/article/details/74700672三、安装添加自己下载的镜像文件。进入后直接按enter建。直达出现：slackware login:使用root登录进去四、分区fdisk
2021-04-06 16:12:30
598
原创 使用reperpro+nginx搭建一个Debian仓库
使用reperpro+nginx搭建一个Debian仓库一、制作一个本地仓库1.安装相关工具：sudo apt install reprepro -y2.新建一个文件夹 ppa，新建一个子文件目录conf，目录中新建文本（distributions）写一下仓库配置到新建文本（distributions) 【命令可见二2操作】#仓库配置Origin:ppa.repoLabel:ppa.repoCodename:ppaArchitectures:amd64 sourceComponents:m
2021-03-10 14:00:35
578
原创 Debian 包制作
Debian 包制作准备知识：二进制包（dpkg和Rpm）和源码包的区别：二进制包 优点：1.包管理系统简单，只通过几个命令就可以实现包的安装、升级，查询和卸载。2安装速度比源码包安装快得多。缺点：1.经过编译，不能在看到源代码。2.功能选择不如源码包灵活。3.依赖性源码包特点：源码包压缩中的内容：源代码，配置和检测程序（eg：configure|config），软件安装说明和软件说明（INSTALL|README）。优点：1,开源，可以修改源代码。2,可以自由选择所需到功能。3.卸载方
2021-03-08 15:40:05
609
原创 git总结
git总结一、本地仓库本地仓库的提交：git commit.创建分支：git branch newImage(分支名)。切换分支：git checkout newImage(分支名)。合并分支：git merge bugFix（将现在定位的分支合并到bugFix分支上）。git rebase bugFix（将现在定位的分支合并到bugfix分支上）。区别：git log 中的区别：merge命令不会保留merge分支的commit，rebase会保存。操作符：
2021-03-08 10:45:35
102
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