洲洲的博客

文章目录摘要引言MethodInference on FreebaseEntity LinkingRelation ExtractionMCCNNs for Relation ClassificationSyntactic FeaturesSentential FeaturesObjective Function and LearningJoint Entity Linking & Relation ExtractionlearningFeaturesEntity CluesRelation Clu

文章目录摘要IntroduceOverview方法候选生成Neural Cross-Attention Model问题表征答案表征Cross-Attention modelAnswer-towards-question(A-Q) attentionQuestion-towards-answer(Q-A) attention训练推理Combining Global Knowledge实验实验结果可视化Error Analysis结论ACL 2017http://aclweb.org/anthology/

文章目录摘要设置方法候选生成MCCNNs编码候选答案答案路径答案上下文答案类型模型训练推理多任务学习中的问题释义实验消融实验突出词检测实验错误分析论文出处：ACL 2015论文地址：https://www.aclweb.org/anthology/P15-1026/摘要引入多列卷积神经网络（MCCNNs）从三个不同的角度（即答案路径、答案文本和答案类型）理解问题，并学习它们的分布表示。在知识库中共同学习实体和关系的低维嵌入。利用问题释义，以多任务学习的方式训练multi-task网络。W

1. java的安装安装步骤从官网下载java的安装包，我这里下载的是jdk-8u271-macosx-x64.dmg的版本。 下载完后，双击安装即可。 在命令行下输入：java -version查看版本，显示如下内容说明安装完成：openjdk version "1.8.0_242"OpenJDK Runtime Environment (build 1.8.0_242-8u242-b08-0ubuntu3~16.04-b08)OpenJDK 64-Bit Server VM (.

文章目录核心方法Traditional MethodsInformation Retrieval-based (IR)Neural Semantic Parsing-based (NSP)OtherDatasetWebQuestionComplexQuestionsWebQuestionsSPComplexWebQuestionsQALDLC-QuADLC-QuAD 2.0核心方法Traditional MethodsSemantic parsing on freebase from questio

目的应用背景：在做项目的过程中，需要查询mysql中的数据，应为查询较多且需要按顺序返回，未使用多进程查询时单词查询2-3秒，而项目目标是0.5秒左右，所以使用多进程进行处理。Mutliprocessing模块使用概述使用mutliprocessing模块构建多进程 使用pool创建进程池 使用manager().list()完成进程间通信 封装查询库代码import pymysqlfrom multiprocessing import Pool, Process, .

文章目录Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling（2016）Slot-Gated Modeling for Joint Slot Filling and Intent Prediction（2018）BERT for Joint Intent Classif...

文章目录摘要方法Attention-Based RNN ModelSlot FillingIntent PredictionSlot-Gated MechanismJoint Optimization实验论文地址：Slot-Gated Modeling for Joint Slot Filling and Intent Prediction代码地址：https://github.com/Mi...

文章目录摘要方法Encoder-Decoder Model with Aligned InputsAttention-Based RNN Model实验论文连接：Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling代码连接：https://github.com/a...

BERT for Joint Intent Classifification and Slot Filling文章目录BERT for Joint Intent Classifification and Slot Filling摘要实现方法BERTJoint Intent Classifification and Slot Filling意图识别slot fillingCRF实验结果论文地址...

文章目录信息检索式的知识库问答确定中心实体问题答案排序语义解析式的知识库问答短语检测资源映射语义组合自然语言问答 (QA) 是指利用各种技术和数据对用户提出的自然语言问题直接给出问题答案。KB-QA是基于知识库的问答。KB-QA 的方法有两大类，即基于信息检索的方法 [1-4] 和基于语义解析的方法 [5-9]。信息检索式的方法一般不生成作为中间结果的结构化查询语句，而是直接从知识图谱中检索...

文章目录前言1.首先来了解一下什么是Swap2.检查系统的交换信息3.检查硬盘驱动器分区上的可用空间4.创建swap文件5.启用交换文件6.永久保留交换文件7.调整你的交换设置7.1 调整swappiness属性7.2 调整缓存压力设置8.总结最近装了一个虚拟机，但是在编译pcl的时候显示内存空空间不够，所以在网上找了篇增加内存的文章，这里转载一下。原文连接：https://blog.csd...

文章目录tf.nn.top_k()tf.reverse()代码示例在写程序的时候遇到的问题，怎么才能对tensor中的数值进行排序，我们知道在numpy中有sort()函数可以实现这个目的，那对于tensor应该怎样实现呢？经过查询发现使用tf.nn.top_k()和tf.reverse()两个函数可以实现这一目的。下面分别介绍这连个函数tf.nn.top_k()tf.nn.top_k(...

文章目录tf.nn.top_k()tf.reverse()代码示例在写程序的时候遇到的问题，怎么才能对tensor中的数值进行排序，我们知道在numpy中有sort()函数可以实现这个目的，那对于tensor应该怎样实现呢？经过查询发现使用tf.nn.top_k()和tf.reverse()两个函数可以实现这一目的。下面分别介绍这连个函数tf.nn.top_k()tf.nn.top_k(...

文章目录理论部分1.对预测的中心坐标做损失2.对预测边界框的宽高做损失3.对预测的类别做损失4.对预测的置信度做损失代码实现定义calculate objects tensorcalculate responsible tensor获取最大的置信度参考文献本次主要介绍YOLO中loss的实现。主要参考的代码是github上使用tensorflow实现yolo的一段程序，完整的程序地址放在下面。...

文章目录Review of PointNet: A Universal Continuous Set Function ApproximatorHierarchical Point Set Feature LearningSampling layerGrouping layerPointNet layerRobust Feature Learning under Non-Uniform Sampl...

文章目录简单的过采样和欠采样过采样改进（smote算法）欠采样改进方法一：模型融合 （bagging的思想 ）方法二：增量模型 （boosting的思想）样本权重（sample weight）将二分类问题转换成其他问题使用其他评价指标如何选择参考文献使用深度学习，首先要解决的就是样本问题，但我们得到的样本往往存在不均衡的问题。在处理课题的时候，碰到了一种处理样本不均衡问题的方法，这里用到了sa...

题目：给定N个整数的序列{A1,A2,A3...ANA_1,A_2,A_3...A_NA1​,A2​,A3​...AN​}, 求函数f(i,j)=max(0,Σk=1jAk)f(i,j)=max(0,\Sigma_{k=1}^jA_k)f(i,j)=max(0,Σk=1j​Ak​)的最大值这一部分是浙大数据结构第一章节的一道题目，主要目的是讲解时间复杂度。文章目录方法一方法二方法三：分而治...

文章目录摘要介绍PointSIFT基本结构PointSIFT模型overview方向编码卷积讨论多尺度意识讨论整体架构结论最近看了PointSIFT这篇文章，写一下笔记，有些地方还不是很明白，会回来补充。另外按照作者提供的方法，在服务器上用了10天才完成了整个网络的训练，感觉时间还是很长的。题目：PointSIFT: A SIFT-like Network Module for 3D Poi...

文章目录主题字体命令行提示Mac终端刚打开时为黑白配色，使用终端进行操作时即不够美观也影响工作效率，所以研究了一下终端美化的方法，主要时主题，字体，命令行提示3个方面。首先放一张更改后的终端画面主题这里使用的主题是Solarized Dark主题。下面介绍怎么安装主题。字体命令行提示...