摘要：
赛题分析 统计信息 样本预览 建模思路 抽取模型 抽取模型的思路是先通过规则将原始的生成式语料转化为序列标注式语料。（将文本转换为文本向量） 基于深度学习的抽取式摘要，是有监督的文本摘要，可以建模为序列标注任务或句子排序任务。 建模为序列标注任务，就是为原文中的每一个句子打一个二分类标签（0 或 1 阅读全文
摘要：
RNN模型： 激活函数采用tanh() LSTM（长短期记忆网络） LSTM通过增加三个门，激活函数sigmoid输出0到1之间的数值，0表示不允许通过，1表示允许通过。 通过门来增加前后序列间的关联关系。 输入门、输出门、遗忘门（长记忆、短记忆） GRU（Gated Recurrent Unit, 阅读全文
摘要：
原文：https://blog.csdn.net/in546/article/details/119621649 激活函数激活函数是用来加入非线性因素的，因为线性模型的表达能力不够。引入非线性激活函数，可使深层神经网络的表达能力更加强大。 激活函数应满足： 非线性： 激活函数非线性时，多层神经网络可 阅读全文
摘要：
序列标注（Sequence Tagging）是NLP中最基础的任务(输入序列和输出序列长度相等)，应用十分广泛，如分词、词性标注（POS tagging）、命名实体识别（Named Entity Recognition，NER）、关键词抽取、语义角色标注（Semantic Role Labeling 阅读全文
摘要：
Seq2Seq，就是指一般的序列到序列的转换任务，比如机器翻译、自动文摘等等，这种任务的特点是输入序列和输出序列是不对齐的，如果对齐的话，那么我们称之为序列标注，序列标注任务也可以理解为序列到序列的转换。 左边是输入的 encoder，它负责把输入（可能是变长的）编码为一个固定大小的向量，这个可选择 阅读全文