- 博客(5)
- 收藏
- 关注
RSS订阅
转载 读博士(工作)前要了解的20件事
机器学习大牛、谷歌AI总负责人Jeff Dean发推转帖，推荐了一篇刚毕业的博士生写的文章，内容与技术无关，而是关于攻读博士学位时需要注意的一些小tip。此文发表在《自然》官网的Career专栏上。**1.找到适合自己的计划和节奏，在工作与生活之间保持健康的平衡。**最好是在整个计划中保持良好的平衡，并稳定工作，而不是集中全部精力工作，把自己累得精疲力竭。学会照顾自己是成功的关键。**2....
2018-11-15 17:30:10
2654
2
原创 谷歌机器对话Self-Play框架M2M-Building a Conversational Agent Overnight with Dialogue Self-Play
Building a Conversational Agent Overnight with Dialogue Self-PlayGoogle提出了 Machines Talking To Machines（M2M，机器对话机器）的框架，这是一个功能导向的流程，用于训练对话智能体。其主要目标是通过自动化任务无关的步骤以减少建立对话数据集所需的代价，从而对话开发者只需要提供对话的任务特定的层面。...
2018-11-13 22:27:01
854
原创 对话系统
本文是个人笔记，来源于资料标注与reference中。对话系统涉及的五种主要技术。语音识别(ASR)口语理解(SLU)对话管理(DM)自然语言生成(NLG)文本生成语音(TTS)口语理解-SLU输入经过ASR输出的语句，将其转换为语义表示，如frame形式，包含intent和多个槽位，如订票系统中的：speechActType，departureCity，destination...
2018-11-13 22:23:59
2164
原创 BERT-Bidirectional Encoder Representations from Transformers
BERT, or Bidirectional Encoder Representations from TransformersBERT是google最新提出的NLP预训练方法，在大型文本语料库（如维基百科）上训练通用的“语言理解”模型，然后将该模型用于我们关心的下游NLP任务（如分类、阅读理解）。 BERT优于以前的方法，因为它是用于预训练NLP的第一个**无监督，深度双向**系统。简单...
2018-11-06 22:27:45
5099
1
原创 ELMo - Deep contextualized word representations
Deep contextualized word representations (ELMo)最近NLP突飞猛进，现有ELMo，后有BERT，周末整理一波。glove以及word2vec的word embedding在nlp任务中都取得了最好的效果, 现在几乎没有一个NLP的任务中不加word embedding.常用的获取embedding方法都是通过训练language model, ...
2018-11-06 22:25:15
1101
1
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