01 2019 档案
摘要：TextRCNN 文本分类 阅读笔记 论文：recurrent convolutional neural networks for text classification 代码（tensorflow）：https://github.com/roomylee/rcnn-text-classificat
阅读全文
摘要：1、计算两个句子相似度，句子表征（工业界效果较好） 参考：https://www.zhihu.com/question/29978268/answer/55338644?utm_source=wechat_session&utm_medium=social&utm_oi=79530219802319
阅读全文
摘要：Step1：建一个hook Step2：加到estimator.train里
阅读全文
摘要：Bert系列（一）——demo运行 Bert系列（二）——模型主体源码解读 Bert系列（三）——源码解读之Pre-trainBert系列（四）——源码解读之Fine-tune 转载自： https://www.jianshu.com/p/3d0bb34c488a [NLP自然语言处理]谷歌BERT
阅读全文
摘要：BERT：用于语义理解的深度双向预训练转换器（Transformer） 鉴于最近BERT在人工智能领域特别火，但相关中文资料却很少，因此将BERT论文理论部分（1-3节）翻译成中文以方便大家后续研究。 · 摘要 本文主要介绍一个名为BERT的模型。与现有语言模型不同的是，BERT旨在通过调节所有层中
阅读全文
摘要：1 文本分类 文本分类是自然语言处理领域最活跃的研究方向之一，目前文本分类在工业界的应用场景非常普遍，从新闻的分类、商品评论信息的情感分类到微博信息打标签辅助推荐系统，了解文本分类技术是NLP初学者比较好的切入点，较简单且应用场景高频。 文本分类 2 数据准备 数据决定了模型最终的高度，不断优化的模
阅读全文
摘要：—- 目前的几篇相关：—– neo4j︱图数据库基本概念、操作罗列与整理（一） neo4j︱Cypher 查询语言简单案例（二） neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三） neo4j︱与python结合的py2neo使用教程（四）
阅读全文
摘要：Neo4j是一个世界领先的开源图形数据库，由 Java 编写。图形数据库也就意味着它的数据并非保存在表或集合中，而是保存为节点以及节点之间的关系。 Neo4j 的数据由下面几部分构成： 节点边属性Neo4j 除了顶点（Node）和边（Relationship），还有一种重要的部分——属性。无论是顶点
阅读全文
摘要：创建节点、关系 创建节点（小明）：create (n:people{name:’小明’,age:’18’,sex:’男’}) return n; 创建节点（小红）: create (n:people{name:’小红’,age:’18’,sex:’女’}) return n; 创建关系（小明送礼物给
阅读全文
摘要：节点模式的构成：(Variable:Lable1:Lable2{Key1:Value1,Key2,Value2})，实际上，每个节点都有一个整数ID，在创建新的节点时，Neo4j自动为节点设置ID值，在整个数据库中，节点的ID值是递增的和唯一的。 create 关键字 名字为‘n’变量 person
阅读全文
摘要：转载自：https://blog.csdn.net/qq1483661204/article/details/79039702 Learning a Similarity Metric Discriminatively, with Application to Face Verification 这
阅读全文
摘要：为了获得性能良好的神经网络，网络定型过程中需要进行许多关于所用设置（超参数）的决策。超参数之一是定型周期（epoch）的数量：亦即应当完整遍历数据集多少次（一次为一个epoch）？如果epoch数量太少，网络有可能发生欠拟合（即对于定型数据的学习不够充分）；如果epoch数量太多，则有可能发生过拟合
阅读全文
摘要：1、https://blog.csdn.net/wcy23580/article/details/84990923 原理及Python keras 实现 2、https://www.kaggle.com/lamdang/dl-models/data code ESIM keras 3、论文及原理 h
阅读全文
浙公网安备 33010602011771号