- 博客(6)
- 资源 (9)
- 收藏
- 关注
原创 Classifying Relations via Long Short Term Memory Networks along Shortest Dependency Paths
Classifying Relations via Long Short Term Memory Networks along Shortest Dependency Paths 概述 论文提出了一种SDP-LSTM模型用于实体关系分类,SDP(the shortest dependency path),在句法依存树中,两实体到公共祖先节点的最短路径。在实体关系分类中,SDP富含多种信息,可以让模...
2019-08-28 21:44:21 1370 2
原创 End-to-End Relation Extraction using LSTMs on Sequences and Tree Structures
End-to-End Relation Extraction using LSTMs on Sequences and Tree Structures 概述 本篇论文应该是最早提出基于神经网络的联合学习(实体识别、实体关系抽取两个子任务联合学习)的方法。 主要的思想是序列LSTM和树型LSTM的叠加,主要的过程是,首先通过序列LSTM识别出相应的实体,然后 树型LSTM根据识别出来的实体结果,进行...
2019-08-28 16:52:18 596
原创 Attention-Based Bidirectional Long Short-Term Memory Networks for
Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification 概述 作者提出了一种基于注意力机制的双向LSTM框架用于关系抽取。方法的主要创新点引入了注意力机制。 神经网络框架 框架非常简单,也是作者一直强调的。Embedding Layer、LSTM layer、Atten...
2019-08-26 12:44:51 607
原创 Relation Classification via Convolutional Deep Neural Network
Relation Classification via Convolutional Deep Neural Network 最近在学习关系抽取,找了一些经典的论文来看,写下一点自己的理解,方便自己以后查阅。 关系抽取 关系抽取规范点的定义就是,给定一个包含两个实体e1e_1e1、e2e_2e2的句子S, 识别两个实体之间的关系(关系一般预先给出)。按照机器学习的思路,关系抽取就是一个多分类...
2019-08-24 20:42:17 499
原创 pytorch中Tensor各种操作
import torch pytorch中Tensor初始化 #返回全零Tensor a = torch.zeros(2,3); print(a) #返回shape和参数一样的全1Tensor, zeros_like类似 b = torch.ones_like(a); print(b) #torch.arange(start=0, end, step=1) c = torch.arange...
2019-08-21 22:21:11 2075 1
原创 pytorch自动求导
自动求导属性 import torch #设置自动求导 a = torch.rand((2,4), requires_grad=True) print (a) #查看自动求导属性 print (a.requires_grad) #改变自动求导属性 a.requires_grad_(False) print (a.requires_grad) tensor([[0.9605, 0.0482, ...
2019-08-15 10:23:56 309
决策树代码。机器学习实战代码
2019-02-28
PAT advanced 1-50题代码
2016-09-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人