- 博客(8)
- 收藏
- 关注
RSS订阅转载 推荐系统优秀论文、博文汇总
论文 Item-Based Collaborative Filtering Recommendation Algorithmshttps://www.cnblogs.com/gt123/p/3451565.html论文 Deep Neural Networks for YouTube Recommendationshttps://zhuanlan.zhihu.com/p/521698...
2019-03-17 13:39:32
356
原创 从decision tree到bagging、boosting
本文主要讲解random forest、GBDT、xgboost的原理，对三种算法进行比较一、bagging和boosting参考资料： https://www.quora.com/What-are-the-differences-between-Random-Forest-and-Gradient-Tree-Boosting-algorithms...
2018-07-26 21:16:46
2046
原创 序列标注任务中的CRFs和LSTMs
本文先简要对比CRF和LSTM模型在序列标注任务中的效果，然后以医疗文本实体识别为例，来介绍CRF和LSTM的应用。 ----------一、CRF和LSTM的对比 1.CRF在小数据集上会有相对较好的表现，而LSTM这样的深度学习模型在数据足够的情况下可以beat CRF； 2.CRF和LSTM经常搭配使用，这种框架已经成为主流； 3.LSTM经...
2018-07-18 23:39:06
1316
原创 概率图模型
本文主要介绍HMM和CRF两种模型。一、HMM模型 我们以序列标注为例来引入HMM模型。 我们怎么产生一个句子，方法可以是先根据语法产生一个词性序列，然后由每个词性产生一个词（借助词典，这个词典是词性到词的映射，一个词性对应多个词）。如下示意图 这里我们就有了词序列和词性序列的pair，我们要研究这一对pair出现的概率 计算x和y的联合概率， ...
2018-07-13 14:36:34
457
原创 基于神经网络模型的释义识别、语义文本相似性、自然语言推理和问题回答
本文是论文 Neural Network Models for Paraphrase Identification, Semantic Textual Similarity, Natural Language Inference, and Question Answering 的笔记摘要 在本文中，我们分析了句子对建模的几种神经网络设计(及其变体)， 并在八个数据集中比较它们的性能，包括释义...
2018-06-21 08:57:11
8567
原创 论文笔记Baseline Needs More Love:On Simple Word-Embedding-Based Models and Associated Pooling Mechanisms
摘要 在NLP的文本序列相关的任务中，深度学习的方法被广泛使用。但是深度学习模型的参数多、计算量大，所以不易于训练。对于深度学习模型的效果，也缺乏严格的研究。在这篇文章中，我们对两种方法进行对比，即简答的、基于word-embedding、包含了pooling操作的SWEMs，以及基于word-embedding的 CNN/RNN模型。出人意料的是，在大部分任务中，SWEMs的效果能够打平甚至超...
2018-06-19 14:04:42
2215
原创 language model and RNN
本文首先介绍基于n-gram的语言模型，然后引出RNN模型一、基于n-gram的语言模型 语言模型：计算一个词汇序列出现的概率 (a language model computes a probability for a sequence of words: P(w_1, w_2,…, w_T)语言模型的作用： 1. word ordering p(the cat is sm...
2018-05-20 16:29:32
654
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