山不过来，我就过去

也可以在每项工作中增加具体的工作细节，对增加文档附件这些也很友好，但在实际应用中存在一定的局限性，比如说某项工作，是阶段性的完成或者暂缓，这些工作该怎么处理呢？后面分别把自己建的Board看板和官方给的Tasks List模板转换为表格形式，发现新建的Board看板的属性Status这一列的值也只有三种，不能修改或增加，而模板中属性Status的值是可以增加和修改的，在增加新值后，转化为看板视图时，就会多一列，之前也用过一段时间的Notion，所以就想着再尝试一下Notion里面的Board看板。

之前每次写文章时都是手动的使用命令创建文件，写好后又通过相应的命令将其部署到github上，然后一直就在想，能不能通过bat命令来实现这些机械性的操作，本文就详细介绍这个过程。1 背景想要利用bat批处理命令实现每次写文章时那些机械性的重复敲命令的过程，然后在网上搜了下，还真有一些大佬用了这种方法来实现，然后就参照他们的代码进行了初步实验。发现真的可行。下面就给出相应的脚步。2 具体实...

论文搜索：semantic scholar or 谷歌学术 or 谷歌学术搜索按钮插件NLP论文list: ACL Anthology第一个国内都可以访问，后面的需要帆樯，如果学校图书馆可以上谷歌学术的话，可以直接使用后两个。做自然语言处理的可以在ACL网站上找最新的论文。文献管理工具：Mendeley之前不习惯用文献管理工具，就把论文分门别类的放在指定的文件夹下，但是找起...

啦啦啦，终于快写完了，虽然我也知道并没有写什么实质性的东西，至少我坚持下来啦，后面再慢慢多拧拧，少一些水分。在上一篇中，主要介绍了如何从接收到的用户问题中抽取关键信息，以及如何识别用户的意图，那么接下来就将介绍在得到了这些信息后，如何在知识图谱中查询答案。我在处理这个问题时，想得很直接，简单来说，每个问题模板就对应了一个用户意图，那么就按照每个意图来写查询语句，这是一种简单粗暴的方法，优点就...

今天天气不怎么好，我在五月份穿了三件衣服…这篇主要介绍对用户问题的处理，也就是从获取用户问题到明白用户意图这个过程，主要涉及到命名实体识别（这个任务简单，我就用词性标注来代替了），问题分类，以及填充问题模板这几个部分。介绍的时候，可能会用一些代码来说明，但是下面列出来的代码并不完整，完整的代码请参照github。这些代码只是辅助理解整个过程，这样去看代码的时候才容易理清函数之间的来龙去脉。再...

貌似很久没有写了，这段时间一直在忙着准备复试，就有点耽误了，好吧，今天继续写。你们的魔鬼又来啦 （什么鬼在上一篇中，我对整个系统的业务逻辑啰里啰唆的梳理了一遍，如果你被我绕晕了，那也没关系，因为不用看上面那篇也能继续往下走，当你自己理清楚他的逻辑的时候，你就会有一种踏破铁鞋无觅处，柳暗花明又一村的感觉，好吧下面言归正传。这一篇主要介绍实验的准备工作，也就是为后续工作铺平道路，主要包含实验...

昨天把这个教程的目录给理出来了，然后今天就想趁着这满腔热情（无心搬砖）把剩下的教程也写了。 对于整个系统，不管具体细节是怎么实现的，是逻辑一定要理清楚，于是这一节主要介绍各个模块的逻辑，为什么要这么做。首先我简单的画了一个示意图（这叫啥图我也还给软件工程老师了，肯定不规范，帮老师画了一上午的图，心都累了，将就着看吧）从第一部分的目录和上面的示意图我们我们都可以了解到，实际上要处理的就是那...

平时除了看论文还是看论文，感觉有点无聊，于是嘛就想着搞点东西来玩玩，然后就搞了一个非常简单的基于知识图谱的电影问答系统。系统是用python实现的，大概只花了1天吧，代码也仅有300多行，可以说是很容易上手了。然后在这里也简单的记录下整个搭建过程，给那些像我一样想玩玩的童鞋一些参考，大佬可以忽略。首先给来看看我们要实现的是什么东西，效果图如下：完成这个系统主要涉及到以下一些知识点，其实知...

Beam search 算法在文本生成中用得比较多，用于选择较优的结果（可能并不是最优的）。接下来将以seq2seq机器翻译为例来说明这个Beam search的算法思想。在机器翻译中，beam search算法在测试的时候用的，因为在训练过程中，每一个decoder的输出是有与之对应的正确答案做参照，也就不需要beam search去加大输出的准确率。有如下从中文到英语的翻译：中文：我 ...

本文主要介绍GA reader模型的基本思想，由论文《Gated-Attention Readers for Text Comprehension》提出，论文直通车1 论文概述本篇论文的思想其实是很简单的，可以把其看成是AS reader模型的扩展，尽管模型简单，但是也取得了不错的成绩，也证明了乘法操作机制带来的效果显著。值得一提的是，论文中的相关工作部分，对之前的模型进行了分门别类的概述，这...

本文主要介绍AoA reader 的模型结构，由论文《Attention-over-Attention Neural Networks for Reading Comprehension》提出，论文直通车1 论文概述该论文针对机器阅读理解任务，提出了AoA reader模型，在CNN/Daily Mail 和CBT数据集上取得了不错的效果。2 模型细节模型的结构图如上图所示，主要包含了以...

1 《Iterative Alternating Neural Attention for Machine Reading》（1）论文创新点这个模型的文章和问题在真正使用时，都是根据前一时刻的隐层状态，动态的表示成一个向量；在更新状态时，使用了gated机制(虽然看起来有点复杂)。（2）论文模型模型的整体结构图如下所示：接下来将对该模型上的组成部分做简单的介绍。bidirect...

给出结论便于查询，具体分析过程见聊一聊PyTorch中LSTM的输出格式output保存了最后一层，每个time step的输出h，如果是双向LSTM，每个time step的输出h = [h正向, h逆向](同一个time step的正向和逆向的h连接起来)。h_n保存了每一层，最后一个time step的输出h，如果是双向LSTM，单独保存前向和后向的最后一个time step的输出h...

如果出现蓝屏情况，说明服务是能够正常启动的，只是前端页面显示有问题，这些前端页面一般要翻墙才能下载，所以只要下载这些文件放进去就可以了。点我下载文件正常运行结果：下载后直接替换static文件即可，static目录下的文件情况如下：css目录下的文件情况如下：fonts目录下文件情况如下：js目录下的文件情况如下：点我下载文件...

这个模型也就是前面提到的动态记忆，这篇论文来自ICLR2017，论文比笔记还是参考了北邮的两位大佬的博客，后面给出了原博客地址。论文提出了一种新的动态记忆网络，使用固定长度的记忆单元来存储世界上的实体，每个记忆单元对应一个实体，主要存储该实体相关的属性（如一个人拿了什么东西，在哪里，跟谁等等），并且该记忆会随着输入内容实时更新。多个记忆槽之间相互独立，由（key，value）组成。key用来标识...

上个月看了Facebook的记忆网络系列，前面的两篇论文的笔记看完就整理了，后面这几篇就耽误了，最近又看了一遍，于是及时整理，不然又忘了。这篇文章主要参考北邮的两位大佬（北邮张博、知乎-呜呜哈）的文章，这两个大佬是真的厉害Orz，他们的文章我在最后面贴出了链接。为了自己更好的理解，部分地方我进行了细化，也有些地方进行了省略。1 模型结构这是来自ACL2016的论文，它修改基本的端到端结构，使其...

本文主要做出了两个大的贡献：给出了阅读理解数据集的构造方法，并开源了两个阅读理解数据集；提出了三种神经网络模型作为baseline，以方便后面的研究者进行相关的研究。1 数据构造主要是从新闻网站中抓取新闻作为文章，新闻的摘要去掉一个实体词成为query，被去掉的单词作为答案。为了防止模型对训练数据的过度依赖，于是将文章和问题中的实体进行匿名化和随机替换。具体见官方教程2 三种神经网络...

本文模型之前的模型都是用一个静态的向量来表示一个entity，与上下文没有关系。而本文最大的贡献在于提出了一种动态表示entity的模型，根据不同的上下文对同样的entity有不同的表示。模型还是采用双向LSTM来构建，这时实体表示由四部分构成，包括两个方向上的隐层状态，，以及该实体所在句子的最后隐层状态，也就是该实体所在的上下文表示。如图所示。问题向量的计算与动态实体计算过程类似，这里需要填...