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。

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？

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。

基础要求

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。

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。