年轻人起来冲

Scratch

发表于 2024-04-05 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 1.1k 阅读时长 ≈ 1 分钟

利用训练好的 word embedding 完成词性标注（POS）、分块（短语识别 CHUNK）、命名实体识别（NER）和语义角色标注（SRL）

发表于 2024-04-01 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 1.1k 阅读时长 ≈ 1 分钟

在 seq 2 seq 的基础上，引入注意力机制

发表于 2024-03-28 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 466 阅读时长 ≈ 1 分钟

分别借鉴 word 2 vec 的 N-gram、BOW 构建，构建了 PV-DM、PV-DBOW 两种段落向量的学习模型

发表于 2024-03-28 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 1.2k 阅读时长 ≈ 1 分钟

创新性提出可训练的词向量，为后续词向量发展提供基础

发表于 2024-03-27 更新于 2025-03-01 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ，目标检测本文字数： 1.1k 阅读时长 ≈ 1 分钟

OTA 的目的是为了更好分配目标检测正样本

发表于 2024-03-25 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 820 阅读时长 ≈ 1 分钟

使用两级的 seq 2 seq，实现对文档的分类

发表于 2024-03-20 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 5.7k 阅读时长 ≈ 5 分钟

类似 word 2 vec，GloVe 也是一种词向量的训练方式，但是不同于 word 2 vec 只使用一个 windows 内的上下文生成词向量，GloVe
通过拟合共现矩阵的概率比进行网络学习，使用了全局统计信息，所以语义效果更佳

发表于 2024-03-19 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 1.5k 阅读时长 ≈ 1 分钟

FastText 具有 2 个用途，一是训练词向量，二是实现对文本的分类。两个用途都是基于基于 CBOW 的方式完成，即首先将输入的词向量或者 n-gram
相加，然后输入神经网络训练

发表于 2024-03-16 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 837 阅读时长 ≈ 1 分钟

对句子进行分类的模型，论文使用动态卷积兼容不同长度的句子

发表于 2024-03-13 更新于 2025-02-02 分类于 2-深度学习， C-语言模型， 1-词向量表示本文字数： 478 阅读时长 ≈ 1 分钟

从字符层面构建词表，减少词表容量，实现对句子的分类