weixin_43718786的博客

目录研究目的流程文本数据挖掘模型建模观点动力学模型论文摘要（机翻）评价资源和代码论文链接：https://www.hindawi.com/journals/complexity/2021/9933720/这篇论文的优势是公开了数据集和仿真代码，可以在GitHub上下载后在自己电脑的netlogo上运行。研究目的针对疫情爆发时候人们感到的恐慌（或者说感受到的pressure）进行建模，分析信息化程度对流行病时期的恐慌情绪的影响；公布新增or总病例数对恐慌变化的影响。流程文本数据挖掘这篇论文首先用

在训练的时候报错，我个人遇到的是两个原因1.标签数和最后一层网络的输出数量不一致2.标签数没有转化成从0开始的n个数字（n对应类别）比如预测5类，标签是0,1,2,3,4，注意，是从0开始

模型正常进行训练，训练好后想使用一个文本进行一下测试，发现居然在forward函数报错。开始百思不得其解，训练都是正常的，按evaluate函数的逻辑写了测试样例，怎么会报错呢。报错如下图：最后经过仔细的检查，发现是forward()函数里squeeze()函数的问题，这个函数将某些满足只有一个元素的维度删除没了。因此解决办法是使用两个测试样本封装入一个batch中，问题解决了。还是要更细心...

对于注意力机制有很多博客都讲过了，也很好理解。但因为要写代码，具体如何计算self-attention 里贡献度比例 a 困扰了我几天。终于明白了，所以写个博客记录一下。参考了https://lonepatient.top/2019/01/09/BERT-self-Attention.html，如果你觉得我写的太简略看不懂，参考这位的博客，他的博客比我写的详尽。下面按计算流程进行梳理：学习WqW^qWq WkW^kWk WvW^vWv三个矩阵||||为什么要学习这三个矩阵呢||\/每

当前宠物市场上，猫狗是两类最主要的宠物。养狗的家庭常常把狗带出散步，而养猫的家庭很少带猫外出，这可能造成了对哪种宠物被饲养得更多的认知偏差。参照百度和谷歌两大搜索引擎的数据，回到一个问题：不同国家对养猫Or养狗的偏好是否一致？

本文简单回顾了事件抽取任务的起源，然后分别梳理了事件抽取领域的常用语料库、事件抽取常见方法。通过不同方法成绩的对比，发现混合神经网络模型进行事件抽取是目前相对优的方法。然后进行分别基于模板、语法树的三元组的事件抽取实验。最后一个部分提出了当前任务面临的困难和本人对事件抽取未来发展的看法。

按大类小类的从属关系绘制环形图，并把不同值的节点设置为相应大小。要求同一类的节点应为同一颜色。按照输入，处理代码和输出记录

fine-tune BART模型实现中文自动摘要如何fine-tune BART模型参见系列文章1博文提供了数据集和训练好的模型，自动摘要能够摘要出部分关键信息，但什么时候终止学习的比较差。

使用二次函数的最高（最低）点和任意另外一点，绘制函数图像。用python实现

简单记录如何在代码中以列表形式添加自定义词库

什么是三方演化博弈来源：张力方. 基于系统动力学的城中村改造的三方演化博弈研究[D].暨南大学,2013.

CNN中深度可能有几种情况，这儿总结一下。深度：指的是网络的层数，有时也称为网络的深度卷积层的深度：卷积核个数。需要和通道数做区别，通道数指的是层数，一个卷积核的通道数与它进行卷积的输入必须是相同。...

本文对比了首价拍卖原理和次价拍卖原理的，分析了为什么次价拍卖会使得买方以实际价值来进行出价

用简洁的python代码生成无标度网络，并绘制网络度的分布

首先复现了经典的LeNe-5网络，在此基础上探究了学习率和动量两个超参对模型训练的影响。提出了从两个维度进行信息学习，最后拼接在一起的卷积神经网络，准确率为:0.9875。

在囚徒困境的情境中，二者的博弈会达到一个纳什均衡，即都会选择坦白。这是因为囚徒是理性人，不管对方选择什么，自己选择坦白都能选择相对更好的收益，但这并非总体最优的策略，及社会最优。最后介绍了引入外部信息后，把共有知识转变为共同知识的破坏博弈均衡的方法。

博弈中通常通过对期望收益计算的方法，来决策理性人的决策策略。博弈案例：零和博弈导致一个人的策略应当使得对方不管选择哪一个策略，收益都相同。比如两个人出示硬币，根据正反面的情况进行博弈

一个简单的示例代码，基于词性的三元组事件抽取。本文代码大多来源于另一位作者的工贡献：，可直接从github获取代码。篇博客主要是描述一下这个项目如何使用（比较多坑）和三个实验对比结果。