-
spaCy中英文命名体识别
spaCy简介和安装
spaCy是一个自然语言处理工具,可以用来词性标注、依存句法分析、命名体识别、tokenize、分句和规则匹配。spaCy支持自己用标记的数据训练自定义模型,这样就可以训练自定义类别的命名体识别分类器。
-
Transition-Based命名体识别
引言
Neural Architectures for Named Entity Recognition 这篇2016年引用达544的论文提出了两个实体识别方法,第一个是广为使用的LSTM+CRF模型,第二个就是transition-based模型。
-
生成式模型与判别式模型
生成式模型直接对联合分布进行建模,判别式模型对条件分布进行建模,这是什么意思呢?
-
生成式对抗网络原始版本
本文介绍生成式对抗网络的原始版本,即Goodfellow在2014年提出的 Generative Adversarial Nets,截止目前已被引用3408次。
-
《Attention is all you need》解读
基础要求
-
反向传播
如何直观地、形象地理解反向传播?经常有人这么问。言下之意是,不看数学公式如何理解反向传播?我的答案是,即使可以“形象地”理解反向传播,也是似懂非懂,根基不牢。数学推导才是正道,只要会求偏导数,理解反向传播其实不难。
-
循环神经网络综述
1.数学表示
RNN的输入是序列,目标(target)也是序列。输入序列用 $x_{1},x_{2},…,x_{T}$ 表示,其中每个 $x_{t}$ 是一个实值向量。目标序列用 $y_{1},y_{2},…,y_{T}$ 表示。训练集一般是(输入,目标)对。