记一些阅读paper时的名词

1.embedding ：嵌入，通常指深度学习中将数据集中字符转化为向量，因为神经网络仅能接收张量，所以需要进行一个类似于编码的过程。而这个过程一般不会在paper中做，一般直接拿别人的。如glove，word2vec。
2.end-to-end：端到端，指模型中不经过人工处理，从输入数据直接到输出数 据。如将数据经过一个embedding，然后经过训练出来直接就是如NEG，POS等分类。而中间如果没有embedding，自己编码，那就不是端到端。
3.baseline：实验的对比组，以验证模型的提升。
4.query：意图，在NLP过程中用户产生的需求，根据query可以进行后续的分类等工作。
5.dependency tree：依存树，用以表达句子中词语的依存关系，即主谓宾等关系。其节点由词语构成
6.constituent tree：短语结构树，用以表达句法结构，即动词，名词，形容词等。仅有根节点为句子中词语。
7.FM：分解机，用以对二阶权重进行分解为隐向量乘积的形式，从而进行优化。
8.GRU：LSTM的变体，通过改变门控单元，减少了需要学习的参数数量，从而一定程度上减少了过拟合
9.SRU：LSTM的变体，通过对每个输入先单独处理，再引入其他输入信息的方法，优化了LSTM速度，使其从串行改为了并行计算，性能和原LSTM接近。