论文笔记
是晨星啊
keep coding...
展开
-
中文NER
FLAT: Chinese NER Using Flat-Lattice TransformerLeverage Lexical Knowledge for Chinese Named Entity Recognition via Collaborative Graph Network原创 2021-03-12 13:57:06 · 125 阅读 · 0 评论 -
PP-OCR论文笔记
PP-OCR识别的主要步骤如下:1\图像检测使用MobileNetV3_large_x0.5平衡准确率和效率;使用inner_channels方便特征面的融合;去除MobileNetV3_large_x0.5的SE模块;使用余弦学习率延时;使用学习率热启动;使用FPGM剪枝使模型变瘦;2\文字方向分类使用MobileNetV3_small_x0.35平衡准确率和效率;数据增强方法使用BDA和随机增强;输入为48*192;PACT量化(参数化剪枝激活函数);3\文字识别使用MobileNetV3_原创 2021-03-09 21:39:34 · 484 阅读 · 0 评论 -
论文笔记-Leverage Lexical Knowledge for Chinese Named Entity Recognition via Collaborative Graph Network
本周要分享的论文来自中国科学院大学、中国科学院的一篇论文,基于协作图网络的词汇知识在中文命名实体识别中的应用(Leverage Lexical Knowledge for Chinese Named Entity Recognition via Collaborative Graph Network)当前,将词信息整合到中文NER任务的三种主流方法:第一种是pipeline;第二种是联合学习CW...原创 2020-01-15 08:58:42 · 2035 阅读 · 0 评论 -
English Learning from research paper
英语句子学习[sentence.01]The task of item recommendation is modeled by a three-way tensor over user, item and feature, to describe users’ preferences on individual items’ features, constructed by feature-...原创 2019-05-10 11:20:51 · 215 阅读 · 0 评论 -
英语语法错误纠正
批改网1CheckerLetPub原创 2019-01-05 20:06:56 · 2420 阅读 · 0 评论 -
ConvMF
endure_count == patience作者自己实现了一种 early stopping用 endure_count 参数代替了 early stopping 中的patience,并达到检测 验证误差 val_loss 的作用原创 2018-12-31 09:52:32 · 864 阅读 · 0 评论 -
文献引用用 Bing学术最好
arXiv类的引用最好不用https://cn.bing.com/academic?mkt=zh-CN原创 2018-12-18 21:08:27 · 16027 阅读 · 0 评论 -
2018 推荐系统总结
搜索:recsys 2018 总结2018 年最全的推荐系统干货(ECCV、CVPR、AAAI、ICML)https://www.ctolib.com/topics-134912.htmlRecSys2018会议总结https://www.jianshu.com/p/282d1e90aaf9推荐系统顶会RecSys 2018论文及代码集锦(1)https://www.doc11.com...转载 2018-12-21 23:03:15 · 1748 阅读 · 0 评论 -
论文笔记:Deep neural networks for YouTube recommendations
https://blog.csdn.net/xiongjiezk/article/details/73445835Download转载 2018-12-14 10:18:52 · 241 阅读 · 0 评论 -
PLASTIC and LSIC
偏置项归一以后就是prior distribution原创 2018-07-31 12:34:33 · 203 阅读 · 0 评论 -
DeepCoNN
DeepCoNN Lei Zheng, Vahid Noroozi, and Philip S. Yu. 2017. Joint Deep Modeling of Users and Items Using Reviews for Recommendation. In Proceedings of the Tenth ACM International Conference on Web Sea...原创 2018-03-15 09:17:52 · 2530 阅读 · 1 评论 -
论文笔记:Neural Factorization Machines for Sparse Predictive Analytics
2017 Neural Factorization Machines for Sparse Predictive AnalyticsMany predictive tasks of web applications need to model categorical variables, such as user IDs and demographics like genders and oc...原创 2018-03-15 09:13:50 · 32426 阅读 · 0 评论 -
Factorization Mechanism
2017 Neural Factorization Machines for Sparse Predictive Analytics 分解机的优点,为什么要基于分解机做本文的研究;分解机的不足,本文的模型正好可以弥补分解机的不足,线性表达。 分解机的算法复杂度为线性 (既是优点又是缺点),这在一定程度上缺乏足够的特征表达能力,因此作者提出改进模型 NFM非线性、高次分解机公式推导 关...原创 2018-03-15 09:13:27 · 468 阅读 · 0 评论 -
为什么一定要重视隐式反馈?
http://mp.weixin.qq.com/s?__biz=MzA4OTk5OTQzMg==&mid=2449231485&idx=1&sn=a2e6339cbaae58c4a9cde54ebdffff55推荐系统所需要的核心数据是用户的反馈。因为没有反馈就:没有持续优化的标注数据没有评价效果的真实数据总之一句话:没有反馈数据,没有数据循环,不通透,...转载 2018-03-14 20:08:08 · 2125 阅读 · 0 评论 -
调参技巧
https://www.zhihu.com/question/41631631 https://zhuanlan.zhihu.com/p/20767428 https://www.zhihu.com/question/29641737 调参还是需要有耐心的。转载 2018-03-14 20:07:33 · 195 阅读 · 0 评论 -
ConvMF论文解读
参考https://zhuanlan.zhihu.com/p/27070343论文的写作风格与中文的风格不同,特别是模型介绍和实验部分。转载 2018-03-14 20:06:42 · 2507 阅读 · 0 评论