sun_yi_gui的博客

【笔记】Three Sentences Are All You Need: Local Path Enhanced DocumentRelation Extraction看前预备知识信息抽取的三个最重要的子任务：实体抽取也就是实体识别，包括实体的检测（find）和分类（classify）关系抽取通常是三元组（triple）抽取，一个谓词带两个形参事件抽取相当于一种多元关系的抽取。摘要在本文中，作者提出了一种简单但有效的方法来启发式地选择证据句子进行文档关系抽取，它可以很容

Representation Learning for Information Extractionfrom Form-like Documents摘要本文提出了一种表示学习，用来抽取表单文档的结构化信息。本文提出了一个提取系统，利用目标字段类型的知识来生成提取候选项，以及一个神经网络架构，该架构根据文档中的邻近单词学习每个候选项的密集表示。这种方法可以用来解决（1）来自两个不同领域的看不见的文档模板的提取；（2）1 介绍在本文中，作者提出一种新方法，用提取候选项的学习表示从表单文档中提取结构化信息

Anaconda的虚拟环境中，pip版本更新不了问题在虚拟环境（我的虚拟环境名为pytorch）里默认的pip版本为pip==9.0.1.怎么把它换成最近的版本。这里大致分两步：第一：下载最新的pip安装包：由于我是Anaconda和Miniconda都安装了的，默认安装会提示pip最新版本已安装，所以需要加上指定路径。下载好之后，会出现：旧版本会影响。参考：https://zhuanlan.zhihu.com/p/382377103在pip-script.py文件中把默认版本改为最新版

问题描述：CondaHTTPError: HTTP 000 CONNECTIONFAILED for url解决方法：https://www.cnblogs.com/tianlang25/p/12433025.html

Effificiently Summarizing Text and Graph Encodings of Multi-Document Clusters1 摘要本文提出了用有效总结文本和图编码处理MDS，还用BART预训练提高了MDS的性能，在这基础上还用Longformer的基础方法(Beltagyetal.，2020) ，避免了传统Transformers的二次内存增长。是基于非常大的文本数据上预训练编码器解码器的最新进展。2 解决问题现有研究的缺陷：1）由于编码长度限制和二次内存增长，不能

【笔记】Every Document Owns Its Structure: Inductive Text Classifification via Graph Neural Networks一、背景1.1 作者通过什么样的方法，解决了怎样的问题，得出了怎样的结论？作者提出了TextING通过GNN进行归纳文本分类的方法，解决了现在基于图的工作不能捕获每个文档中的上下文单词关系以及不能完成对新单词归纳学习的问题，得出作者的方法优于最先进的文本分类方法。1.2 作者方法的三大贡献提出一种新的文本分

【深度学习笔记】2.3自动求梯度在深度学习中，我们经常需要对函数求梯度（gradient）。本节将介绍如何使用MXNet提供的autograd模块来自动求梯度。from mxnet import autograd,nd #导入2.3.1 简单例子对函数 y=2xTxy=2 \bold x^T \bold xy=2xTx求关于列向量 x\bold xx 的梯度。我们先创建变量x\bold xx，并赋初值。为了求有关变量x\bold xx的梯度，我们需要先调用attach_grad函数来申请存

【深度学习笔记】2.2数据操作在MXNet中，NDArray是⼀个类，也是存储和变换数据的主要⼯具。为了简洁，本书常将NDArray实例直接称作NDArray。如果你之前⽤过NumPy，你会发现NDArray和NumPy的多维数组⾮常类似。然而，NDArray提供GPU计算和⾃动求梯度等更多功能，这些使NDArray更加适合深度学习。2.2.1创建NDArray⾸先从MXNet导⼊ndarray模块。这⾥的nd是ndarray的缩写形式。from mxnet import nd然后我们⽤aran

安装Miniconda的坑安装都没有问题，到后面导入yml文件时，有一个文件导不进去。按提示pip版本有问题，详情看