暂无搜索历史
命名实体识别（NER, Named Entity Recognition），是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。
来源于李宏毅老师机器学习课程，笔记是其中meta learning部分，few-shot learning学习也可以观看此部分课程。
图像中可以通过旋转、翻转变换、rgb转灰度、加入白噪声等方式增强数据，其语义不会发生改变，但是NLP中却往往发生语义改变，针对NLP的一些数据增强方法进行了探索...
如何将知识(knowledge)信息融入到模型训练中，一种方式是将知识信息作为输入，成本是其他人使用的时候也要构建知识库，并且fine-tune和pre-tra...
问题：对于每个句子，短句相比于长句，吸收同样的n个词噪音，更可能导致类别标签发生变化。
问题：如何估计评论的有用性并将其恰当地推荐给消费者（review helpfulness prediction）
[外链图片转存失败(img-wHytIo4i-1567006037501)(assets/image-20190828124733572.png)]
在某轮迭代tt中考虑公式5、6，用于计算RNN错误 ，我们对每一步迭代计算错误率总和。那么每一步tt的错误率 均可通过前面所列的计算出来。
attention由来已久，让它名声大噪的还是BERT，可以说NLP中，BERT之后，再无RNN和CNN。那么attention到底有哪些呢？hard atte...
在任务型的话中，一般会包含一个语义理解模块，会将用户query转化为domain、intent、slot的表示，例如query=‘我要吃中国菜’，对应的domi...
提出一些类MTL框架，包含并行网络结构、串行网络结构，在 ATIS, Snips和一个自有大数据集上表现良好。
MTL中，通过共享网络层，以期望共享层提取与任务无关的特征，实际过程中可能会包含特定任务的特征或者无关的噪音。
用户模拟器是在任务型多轮对话场景中，用于模拟用户在指定目标下多轮对话过程，可以用于生成对话数据，以及通过强化的方式训练系统决策。在具体的任务型场景需要定义有哪些...
半吊子全栈工匠
研究任务型对话系统，首先得从数据集采集说起，学术界需要公开的数据集来证明模型的效果，工业界更需要以数据集为基础来构建更鲁棒的对话系统，那么业界成熟的对话系统数据...
让机器像人一样自由的对话，对话机器人必然要具备连续对话的能力，即多轮对话，多轮对话不用多讲，那么什么是多轮对话状态跟踪呢（DST, dialogue state...
On the Sentence Embeddings from Pre-trained Language Models 阅读笔记
扫码关注云+社区
领取腾讯云代金券
