![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
NLP
文章平均质量分 88
最近在研究NLP相关内容,用于学习记录
ac不知深
伟大是熬出来的
展开
-
从创建文件开始,使用git clone方式把代码上传到服务器上,并配置好环境(Pycharm远程连接服务器来跑代码第二种方式)
本文是在这篇[关于git clone http://xxxxxxxxxxx报错的问题]基础上,扩展把代码放到服务器上运行想知道为什么使用git clone报错的同学可以去瞅瞅。原创 2022-10-22 14:24:20 · 2330 阅读 · 0 评论 -
NLP论文中出现的名词解释(二)(不断更新)
假如:“我爱北京天安门”和“我不爱北京天安门”是相似样本,那么学习过程中就学习不到语义的相关信息,学习的就是字面上的特征;“我爱北京天安门”和“我不爱北京天安门”是不相似样本,那么学习过程中就可以学习到否定方面的语义信息;原创 2022-09-15 15:49:26 · 2220 阅读 · 0 评论 -
解读《Document-Level Relation Extraction with Adaptive Focal Loss and Knowledge Distillation》论文
对于本论文我把所有内容重新排版了,加上自己更直白的话来直观介绍。如果对于文章里的名词解释有疑惑,可以参考我这篇文章一、工作:首先,我们使用轴向注意模块学习实体对之间的相互依赖关系,提高了两跳关系的性能。其次,我们提出了一个自适应的局部损失来解决DocRE的类不平衡问题。最后,我们利用知识蒸馏来克服人工标注数据与远程监督数据之间的差异。首先,为了改进两跳关系的推理,我们提出使用轴向注意模块作为特征提取器。此模块使我们能够关注两跳逻辑路径内的元素,并捕获关系三元组之间的相互依赖关系。其次,我们提出自适应原创 2022-05-09 21:43:39 · 1340 阅读 · 14 评论 -
谈谈我对NLP文档级关系抽取中Ign_F1指标的理解(Ign_F1与F1的关系)
因为Ign_F1这个参数网上所解释的内容都是一致的,并且不太好理解于是我就特地请教了YX师兄这里特地感谢1107实验室YX师兄F1分数F1为精确率和召回率的调和平均数(为下部分做准备)对于查全率,查准率,还有召回值就不过多介绍了Ign_F1我看网上所有的解释都是:表示在训练集、验证集和测试集中不包含关系事实的F1分数。那么我通俗的给大家白话一下:解释Ign_F1还是需要与DocRED数据集相结合DocRED数据集包含3,053/1,000/1,000个实例,对应训练/验证/测试在30原创 2022-05-07 23:08:19 · 1270 阅读 · 1 评论 -
NLP论文中出现的名词解释(不断更新)
目录前言Distantly supervised (远程监督)Axial Attention(轴向注意力)Focal Loss(局部损失函数)Knowledge Distillation(知识蒸馏)soft labels(软标签)hard labels(硬标签)distant labels(远距离标签)positive sample(正样本)negative sample(负样本)前言因为每次看论文遇到新的名词查了很久,好不容易找到/总结出其意思过了很久记不清,或者笔记本找不到于是就想着写在这里当做原创 2022-04-28 15:47:49 · 3100 阅读 · 4 评论 -
torch中permute()函数用法补充内容(矩阵维度变化详细过程)
目录一、前言二、举例解释解释部分1、permute(0,1,2)2、permute(0,1,2) ⇒ permute(0,2,1)3、permute(0,2,1) ⇒ permute(1,0,2)4、permute(1,0,2) ⇒ permute(0,2,1)三、写在最后一、前言之前写了篇torch中permute()函数用法文章,没想到收藏和点赞还挺多的那我就在详细的说一下permute函数里维度变化的详细过程注意:本文是这篇torch中permute()函数用法文章的补充内容如果有精力可以原创 2022-04-18 16:39:01 · 5469 阅读 · 5 评论 -
python中字符串转元组时的小技巧
目录一、问题引入功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入一、问题引入最近在做问答系统项目时,发现一个很有意思的小问题。我把txt里的内容读取出来,以元组对形式保存在列表中统一格式,然后再保存到sqlite3里。txt原创 2022-03-04 09:25:23 · 6174 阅读 · 5 评论 -
torch中permute()函数用法
前言:本文只讨论二维三维中的permute用法最近的Attention学习中的一个permute函数让我不理解这个光说太抽象我就结合代码与图片解释一下首先创建一个三维数组小实例import torchx = torch.linspace(1, 30, steps=30).view(3,2,5) # 设置一个三维数组print(x)print(x.size()) # 查看数组的维数这里为了防止出现维数数值相同的巧合局面(例如三维数组(3,3,3)或者(2,4,4)等)输出原创 2021-10-18 20:12:30 · 52347 阅读 · 11 评论 -
机器学习作业之波士顿房价(boston)数据分析与绘图(注释我都写了这么多,我不信你还看不懂?)
目录一、前言二、简单介绍头文件1、sklearn头文件意外2、其他头文件三、题目理解1、题目的简单介绍2、属性标签3、降维比喻四、代码1、代码及注释2、代码缺点一、前言看我前几篇文章的小伙伴都知道,最近一直在学习机器学习相关内容学校里也开了这门课,有个很经典的作业就是利用机器学习知识预测波士顿房价网上也有非常多相关介绍,但是一个个函数及参数我是真的不明白啥意思索性干脆就自己学完写一个初学者也能很好上手的代码不过还是需要对读者提些要求:1、需要简单了解python基础知识2、会简单使用pyc原创 2021-10-10 15:23:32 · 7181 阅读 · 2 评论 -
使用jupyter notebook打开.ipynb文件
前言最近学习LYH老师的机器学习视频,刚巧在gayhub上找到了老师课件和代码在GitHub上读老师的课件还是挺舒服的不过想把代码啥的下载运行,GitHub上的下载速度太慢想要快速下载的方法有两个,一个使用git软件直接git clone url直接下载,点我传送直接git下载方法另一个是使用第三方代码仓库中转下载我比较推荐第二种方法,使用第二种下载方法的文章写完我会直接上链接在这里问题后缀为.ipynb的文件可以直接在GitHub上查看,不过受网络影响还挺大的比如下图,我打开的时候经常会原创 2021-09-29 21:34:31 · 5497 阅读 · 2 评论 -
哈工大中文分词系统LTP(pyltp)学习笔记
一、LTP简介介绍:语言技术平台(LTP) 提供包括中文分词、词性标注、命名实体识别、依存句法分析、语义角色标注等丰富、高效、精准的自然语言处理技术。经过 哈工大社会计算与信息检索研究中心 11 年的持续研发和推广,LTP已经成为国内外最具影响力的中文处理基础平台,曾获 CoNLL 2009七国语言句法语义分析评测总成绩第一名,中文信息学会钱伟长一等奖等重要成绩和荣誉。目前,LTP 已经被 500多家国内外研究机构和企业使用,多家大企业和科研机构付费使用。来源:语言云。其他不做过多讲解,直接上官网原创 2020-05-08 21:23:20 · 4347 阅读 · 1 评论