发简信
IP属地：贵州
数据预处理部分和上一篇一样，就不啰嗦了。重点看一下模型构造：1. Attention层：核心在于对encoder端隐层权重进行计算 比如我们准备生成“machine”这个词：...
1.加载数据 2.查看数据 3.数据预处理 3.1 构造字典 3.2 增加特殊字符 3.3 word和id之间的映射表 3.4 text 转换成 int 4. 构建模型 和上...
tf.nn.embedding_lookup的作用就是找到要寻找的embedding data中的对应的行下的vector。 +CRF 用F1值来评估 关于调参： Valid...
对于序列标注来讲，普通CNN有一个劣势，就是卷积之后，末层神经元可能只是得到了原始输入数据中一小块的信息。而对NER来讲，整个句子的每个字都有可能都会对当前需要标注的字做出影...
用的是kaggle上的比赛“Quora Question Paris: Can you identify question pairs that have the same ...
两个句子从一开始就交互，这样就会获得更准确的关系。图中可以将单词与单词之间的相似度看成是像素，那么对于两个单词数为M,N的句子，其相似度矩阵就是M*N，然后！就可以用卷积搞事...
先看看seq2seq原理： encoder通过学习将输入embedding后传入rnn网络形成一个固定大小的状态向量S，并将S传给Decoder, Decoder一样通过学习...
比较：其 [a¯i,βi][a¯i,βi] 就是把两部分concat起来（句子中第 i 个词, 和另一个句子里所有词与它比较的加权词向量） image.png 总计aggre...
先谈一下敏感话题：为什么都说程序员是青春饭，为什么搞程序到了35岁都会人人自危？如果你有HR猎头的朋友，咨询一下他们，会发现现阶段市场对十年以上的程序员（基本上都35岁+）需...
先看上图就知道LSTM和CRF具体产出什么。LSTM+softmax分类后只能把特征的上下文关系学出来，CRF可以把label的上下文学出来。 比如通过上下文特征，BiLST...
本文以命名实体识别NER数据预处理为例 将训练集中每句话变成4个list: 第一个list是字，如[今，天，去，北，京] 第二个list是char_to_id [3,5,6,...
Word Embedding 之深度学习 RNN: RNN引入了隐状态h（hidden state）的概念，h1接收到前一个隐状态h0和当前输入x1,结合权重和bias，输出...
