- 博客(11)
- 收藏
- 关注
RSS订阅原创 ACL 2023 What happens before and after Multi-Event Commonsense in Event Coreference Resolution
事件共指模型的目标：对真实世界的同一事件的事件指称进行聚类问题：最近的模型依赖于语境化的表示来识别词汇或语境相似的指称，然而模型通常无法利用常识进行推理，这对于解决词汇上有分歧的提及很有限。解决方法：提出了一个用时态常识推理来扩展事件指称的模型。给定一个包含多个事件的复杂句子，例如，“男人杀死了他的妻子并被逮捕”，在目标事件"被逮捕"的情况下，我们的模型会产生发生在目标事件之前的合理事件，例如"警察到达"，以及发生在目标事件之后的合理事件，例如"他被判刑"。
2023-12-09 22:54:36
968
原创 ACL 2017 End-to-end Neural Coreference Resolution论文阅读
核心思想：通过考虑文档中所有的span【文本中的子串/短语】以及学习每个span可能的指代。方法：计算结合上下文相关的边界表示和【head-finding attention mechanism】寻头注意力机制的span embedding训练目标：配合上剪枝，训练得到在共指簇中可能性最大的指代span实验表现：在OntoNotes基准上 F1的增益为1.5，在5个模型集成上 F1的增益为3.1。
2023-12-03 14:35:25
830
1
原创 BERT for Coreference Resolution Baselines and Analysis论文阅读
优点：论文采用的Bert-large模型与ELMo和Bert-base相比，在区分相关但不同的实体方面特别好缺点：在文档级上下文、会话和提及释义的建模方面仍有进步的空间Bert在多个nlp任务[QA\NLI\NER(命名实体识别)] 上取得了显著提升Bert具有更好的双向推理能力Bert可以进行段落级别的训练，可以更好的建模较长的序列有两种改进c2f-coref模型[基于ELMo]的方法：独立变量和重叠变量独立变量：使用互不重叠的片段，每个片段作为Bert的独立实例。
2023-12-03 14:21:15
1051
1
原创 Attention is all you need论文笔记---Transformer代码详细注释-pytorch版
为了解决RNN和LSTM不能有效进行并行运算的问题，本文主要提出基于注意力的Transformer模型，取代循环和卷积神经网络 ，Transformer具有更好的并行能力，并且在测试中取得了更加好的成绩
2023-12-03 13:49:26
444
1
原创 用遗传算法解决八皇后问题
（2）适应度评估：根据每个个体的皇后位置计算适应度，适应度函数可以定义为冲突对数的倒数，即越小越好。最终，适应度的值被定义为冲突数的倒数加1，这样可以使适应度越高的个体具有更好的解。将每个皇后的位置编码为一个8位的数字串，其中每个位置代表皇后在对应列的行号。遗传算法的目标是找到一个合适的数字串，使得所有的皇后位置都满足不互相攻击的条件。例如，如果一个个体的八皇后方案中没有任何冲突，则适应度为1。如果有一个冲突，适应度为1/2。（4）交叉：采用单点交叉操作，将选出的父代个体进行染色体交换，生成新的后代个体。
2023-12-03 13:33:09
512
原创 BERT论文阅读
NAACL 2019 |BERT:Pre-training of Deep Bidirectional Transformers for Language Understanding
2023-12-03 12:29:28
769
1
原创 GA遗传算法-求解函数最值（python）-人工智能导论题目
遗传算法是一种模拟自然选择和遗传机制的优化算法，是基于达尔文的进化理论和孟德尔的遗传学原理。它通过模拟生物进化的过程，逐步优化出较好的解决方案。遗传算法通常用于解决搜索和优化问题，特别是那些复杂的、高维度的问题，如组合优化、函数优化、机器学习等领域。遗传算法的基本思想是通过模拟“自然选择”、“遗传”和“突变”等过程，逐代演化出适应环境的个体，从而逐步寻找到问题的最优解或较好的解决方案。初始化种群：随机生成一组初始个体，称之为种群。适应度评估。
2023-11-27 19:38:04
1565
原创 CIFAR10——小土堆学习笔记
函数Conv2d()中的padding需自己计算，根据输入图片和输出图片以及kernel的尺寸计算。nn.Flatten()是将6444的数据展成一维。
2023-10-14 22:33:28
74
原创 mnist手写数字体识别-----这里重在理解图片的预处理问题
!这段代码是使用训练数据集 train_images 和对应的标签 train_labels 来对模型进行训练，并验证模型在测试数据集 test_images 和对应的标签 test_labels 上的性能。在使用 model.fit() 进行模型训练时，需要传入训练数据和对应的目标值作为输入。该方法会根据指定的算法和参数对模型进行训练，并通过迭代优化来调整模型的参数，以使其能够更好地拟合训练数据。具体来说，model.fit() 函数会执行模型的训练过程，并返回一个 hist
2023-10-12 01:07:08
198
原创 JAVA第二天
数据的输入：Scanner使用的基本步骤：（1）导包import java.util.Scanner导包的动作必须出现在类定义的上边（2）创建对象Scanner sc = new Scanner(System.in);sc为变量名可以变，其他的为固定格式不可以变（3）接受数据int i = sc.nextInt();i为变量名可以变，其他为固定格式switch语句使用switch语句判断春夏秋冬四个季节时采用case穿透：注意：在swit..
2022-01-04 00:06:09
140
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