- 博客(9)
- 收藏
- 关注
RSS订阅翻译 自然语言论元的神经网络理解分析（一）
自然语言论元的神经网络理解分析链接：https://arxiv.org/pdf/1907.07355代码：https://github.com/IKMLab/arct2 该研究发现在论元推理理解任务上BERT的最好表现为77%，低于未训练人类基线方法的表现平均值3个百分点。这个结果完全是由于数据集中欺骗性的统计线索的利用造成的。该文分析了这些线索的特...
2019-08-01 20:07:36
383
翻译 分析自然语言理解中的句法探索
分析自然语言理解中的句法探索 链接：https://arxiv.org/pdf/1902.01007代码：https://github.com/tommccoy1/hans该文基于自然语言推理（NLI）任务研究...
2019-07-24 23:11:04
158
原创 带有关于特征线性模块的图神经网络：GNN-FiLM
带有关于特征线性模块的图神经网络：GNN-FiLM链接：https://arxiv.org/pdf/1906.12192 该文介绍了一种新的图神经网络（GNN）类型，关于特征的线性模块（FiLM）。许多GNN变量沿着图的边传播信息，仅仅计算每条边的源表示信息。在GNN-FiLM中，额外地使用一条边的目标节点表示来计算可用于所有进入信息的转换，使用的是基于过去信息的关于特征的模...
2019-07-17 20:13:40
1054
原创 带有回报调整的多跳知识图谱推理（二）
带有回报调整的多跳知识图谱推理（二）基于知识的回报调整按照等式1，代理仅仅基于G中观察到的答案收到2元回报。然而G是不完全的并且这个方法对错误负例搜索结果的回报和正确负例的相同。为缓和这个问题，使用现有的为KG 补全设计的embedding模型 (Trouillon et al., 2016; Dettmers et al., 2018)来为正确性未知的目标实体估计一个柔和的回报。embed...
2019-07-15 20:07:24
700
原创 带有回报调整的多跳知识图谱推理（一）
带有回报调整的多跳知识图谱推理链接：https://arxiv.org/pdf/1808.10568.pdf多跳推理是在不完全知识图谱（KG）上解析问答（QA）的有效方法。这个问题可以由强化学习（RL）进行规划，基于策略的代理持续地扩展推理路径直到到达目标。但在不完全的KG环境中，代理收到由于训练数据中错误负例造成的低质量回报，这降低了测试阶段的泛化能力。此外由于没有黄金标准...
2019-07-15 20:06:21
1944
原创 ReWE: 用于机器翻译系统调节的回退单词embedding方法
ReWE:用于机器翻译系统调节的回退单词embedding方法链接：https://www.aclweb.org/anthology/N19-1041机器翻译（MT）系统的调节仍是一个重要问题，尤其是在低资源的环境中。为改善这个问题，该文提出回退的单词embedding（ReWE）作为系统中新的调节技术，它对翻译中下一个单词的预测（分类值）和它的单词em...
2019-07-09 23:51:13
286
原创 基于转移的浅语义解析器：DeepCx
使用复杂构造触发器基于转移的浅语义解析方法链接： [url]https://www.aclweb.org/anthology/D18-1196[/url] 该文介绍了表面构造标记的任务（SCL），它扩展了浅语义解析（SSP）范围，包括使用复杂构造触发帧。该文提出基于转移的表面结构标记系统DeepCx，并应用于英语标记的任务，它基于相比典型方法更为多样的构...
2019-07-05 22:07:32
212
原创 2019 NAACL 语法纠错论文介绍
使用未标记数据预训练一个复制增扩结构以提升语法纠错质量 链接：https://arxiv.org/abs/1903.00138v1 近些年来，由于学习英语的人数越来越多，英语语法纠错也越来越受到关注。神经机器翻译系统已成为最先进的实现语法纠错(GEC)任务的方法。该论文针对GEC任务提出一种复制源句子到目标句子转换过程中没有改变的词语的...
2019-06-27 18:46:04
672
原创 优酷上不错的最优化教学视频地址
这两天学习最优化的理论和方法，搜了下百度，相关视频教程并不是太多，有中科院、斯坦福大学和交通大学的视频等，比较了下中科院的讲得不是太清楚，斯坦福的是英文视频（当然英文好的没问题了），交大的视频还不错，优酷上的视频列表地址 ： http://list.youku.com/albumlist/show?id=19048881&ascending=1&page=1
2016-09-16 13:00:13
874
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