摘要：
一。概述 提出了新的一种通过pattern来减少远程监督中的噪声。ARNOR认为一个可以信赖的关系的标签可以被神经网络解释的。ARNOR框架迭代的去学习一个可以解释的模型并利用它去选择新的可以信赖的实例。本文作者提出通过pattern来进行确定信赖的关系标签。 二。现状分析 在远程监督提出后，差不多 阅读全文
摘要：
###仅为自己练习，没有其他用途 1 import torch 2 import torch.nn as nn 3 import torch.utils.data as Data 4 import torchvision 5 import matplotlib.pyplot as plt 6 fro 阅读全文
摘要：
上次通过pytorch实现了RNN模型，简易的完成了使用RNN完成mnist的手写数字识别，但是里面的参数有点不了解，所以对问题进行总结归纳来解决。 总述：第一次看到这个函数时，脑袋有点懵，总结了下总共有五个问题： 1.这个input_size是啥？要输入啥？feature num又是啥？ 2.这个 阅读全文
摘要：
关于RNN模型参数的解释，可以参看RNN参数解释 ###仅为自己练习，没有其他用途 1 import torch 2 from torch import nn 3 import numpy as np 4 import matplotlib.pyplot as plt 5 6 # torch.man 阅读全文
摘要：
###仅为自己练习，没有其他用途 1 import torch 2 from torch import nn 3 import torchvision.datasets as dsets 4 import torchvision.transforms as transforms 5 import m 阅读全文
摘要：
###仅为自己练习，没有其他用途 1 # library 2 # standard library 3 import os 4 5 # third-party library 6 import torch 7 import torch.nn as nn 8 import torch.utils.da 阅读全文
摘要：
实验 同样用held-out以及P@N 结果如下: 从结果看， 本文的方法比Lin 2016 要好， 毕竟考虑了关系的依赖性，不过提升不是很明显，可能原因是数据问题，relation的overlapping比较少。 再看一组对比实验: 分别是去掉word-attention 以及去掉 relatio 阅读全文
摘要：
这篇文章从另一个角度来解决Zeng 2015的问题，并且考虑了实体对的多关系的问题。 动机 Zeng 2015里面仅仅取置信度最高的instance，丢失信息。 在数据集中，有约18.3%的entity pair有多种relation, 其他方法均未考虑。 模型 针对以上的两个问题提出了两个解决方法 阅读全文
摘要：
1 import torch 2 import torch.utils.data as Data 3 import torch.nn.functional as F 4 import matplotlib.pyplot as plt 5 import torch.optim 6 # torch.manual_seed(1) # reproducible 7 8 LR = ... 阅读全文
摘要：
1 import torch 2 import torch.utils.data as Data 3 4 torch.manual_seed(1) # reproducible 5 6 BATCH_SIZE = 5 7 # BATCH_SIZE = 8 8 9 x = torch.linspace(1, 10, 10) # this is x data ... 阅读全文