11 2019 档案
摘要：简介 1. 事件检测 事件检测（ED）的目的是检测事件触发器（通常是在实例中引发事件的单词或短语），然后识别它们的特定事件类型。 + 特征工程，如token级特征和结构化特征。 + 神经网络模型，将文本语义信息直接嵌入到低维空间中，基于这些特征向量检测事件触发器，采用有监督学习的方法对人类标注数据进
阅读全文
摘要：摘要 目前用于事件检测的神经网络模型只考虑句子的序列表示。尽管句法表征提供了一种有效的机制，可以将单词直接链接到其信息上下文中，以便在句子中检测事件，但在这一领域还没有得到研究。 本文研究了一种 基于依赖树的卷积神经网络 进行事件检测。提出了一种新的 基于实体提及的卷积向量聚合方法 。大量的实验证明
阅读全文
摘要：实验参数设置和数据集 数据集：ACE2005 选取了可以与之前的工作进行比较的训练集、开发集、测试集. 超参数设置 + word embedding size：300 + 预训练词向量： 用skip gram在NYT上训练 (Follow Chen et al. 2015 and Feng et a
阅读全文
摘要：1. Extending Event Detection to New Types with Learning from Keywords EMNLP会议，作者为Viet Dac Lai and Thien Huu Nguyen Traditional event detection classif
阅读全文
摘要：```python import tensorflow as tf 创建一个变量, 初始化为标量 0. state = tf.Variable(0, name="counter") 创建一个 op, 其作用是使 state 增加 1 one = tf.constant(1) new_value =
阅读全文
摘要：```python import tensorflow as tf 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点 加到默认图中. 构造器的返回值代表该常量 op 的返回值. matrix1 = tf.constant([[3., 3.]]) 创建另外一个常量 op, 产
阅读全文
摘要：这段很短的 Python 程序生成了一些三维数据,然后用一个平面拟合它. 0 [[ 0.82516074 0.41683942]] [0.50299114] 20 [[0.19490492 0.07856247]] [0.31059143] 40 [[0.11309221 0.1780714 ]]
阅读全文
摘要：来源：https://github.com/jiangxinyang227/NLP Project/text_classifier base.py
阅读全文
摘要：索引 1. cast 2. get_variable 3. embedding_lookup 4. l2_loss 5. xw_plus_b 6. sigmoid_cross_entropy_with_logits 7. trainable_variables 8. reshape 9. trans
阅读全文
摘要：总结自acl2019最佳长论文《Bridging the Gap between Training and Inference for Neural Machine Translation》 背景： 在训练神经翻译模型的时候，实际译文被用作上下文。在使用神经翻译模型推理时，整个序列是由结果模型自己生
阅读全文
浙公网安备 33010602011771号