摘要： [学习资料github] Task1. 论文数据统计 目标：自己Pandas用得很少，这个task主要练习Pandas基础。 学习Notes： data = pd.DataFrame(data) #将list变为dataframe格式，方便使用pandas进行分析 data.shape #显示数据大 阅读全文

摘要： [课程github] [项目github] 该项目是基于医疗领域知识图谱的问答系统。 目标：从无到有搭建一个医疗领域知识图谱(知识图谱规模较小)，并基于此知识图谱搭建问答系统实现自动问题解析和回答。 【未完待续】 阅读全文

摘要： [github] 0. 定义 知识图谱本质上是语义网络（Semantic Network）的知识库 ==> 从实际应用的角度出发，可以简单地把知识图谱理解成多关系图（Multi-relational Graph） 图 图（Graph）是由节点（Vertex）和边（Edge）来构成，多关系图一般包含多 阅读全文

摘要： 本文把对抗训练用到了预训练和微调两个阶段，对抗训练的方法是针对embedding space，通过最大化对抗损失、最小化模型损失的方式进行对抗，在下游任务上取得了一致的效果提升。有趣的是，这种对抗训练方法不仅能够在BERT上有提高，而且在RoBERTa这种已经预训练好的模型上也能有所提高，说明对抗训 阅读全文

摘要： motivation：让模型学习到更复杂的非线性特征。 method：原始特征 + 组合特征。 notes： 连续特征和离散特征都可以做交叉。 HOW TO? 离散特征：笛卡尔积 比如属性A有三个特征，属性B有两个特征，笛卡尔积后就有六个组合特征，然后用one hot 或其他embedding方式给 阅读全文

摘要： 课程链接 Motivation 输入是图： 考虑结构和关系信息。 如何在图结构中做Convolution? Spatial-based GNN Aggregate:用neighbor feature update下一层的hidden state Readout:把所有nodes的feature集合起 阅读全文

摘要： 参考： 李宏毅《深度学习人类语言处理》 ELMo Embeddings from Language Models BERT Bidirectional Encoder Representations from Transformers ERNIE Enhanced Representation th 阅读全文

摘要： Overview 模型简介论文 Word2Vec word2vector [NIPS 2013]Distributed Representations of Words and Phrases and their Compositionality DSSM Deep Structured Seman 阅读全文

摘要： 开源代码 主要思想：content + preference，不需要引入额外的内容信息和额外的目标函数，通过dropout来模拟数据缺失进行训练。 本文提出的一种模型，可以结合Memory和Content的信息，但是只使用一个目标函数，即拥有了以往Hybrid model的性能，还解决了冷启动问题， 阅读全文

摘要： 推荐系统中的常见rank模型 阅读全文