ACL主頁
ACL 2019年收錄的論文
ACL 2018年收錄的論文
ACL論文模版，下載進行內容替換的模版-鏈接
很nb的一個nlp大佬—— Pengcheng Yang (楊鵬程)
Pengcheng Yang簡介
Pengcheng Yang ACL論文
nlp作詩的鏈接，後續瞭解
網上有很多這方面的資源，詳細各位都能夠對於word2vec瞭解了大概，這裏只講講個人的理解， 目的：通過對於一個神經網絡的訓練，得到每個詞對應的一個向量表達 基於： 這個神經網絡，是基於語言模型，即給定T個詞的字符串s，計算s
初識Word2vec Christopher Manning CS224n 2019秋 Overview Word2vec由Mikolov 在2013年提出，是一個學習詞向量（表示）的框架。 Idea 現實世界中，首先
推薦李航老師的《統計學習方法》第二版的代碼實現網站： （1）https://github.com/fengdu78/lihang-code （2）https://github.com/WenDesi/lihang_book_alg
問1：LDA生成一個文檔的過程是什麼樣的？ 答1：1）根據預料級參數α，生成文檔d的主題分佈Θ_d~p(Θ|α) 2）對於文檔d中每個位置i對應的單
Andrychowicz, Marcin, et al. “Learning to learn by gradient descent by gradient descent.” Advances in neural inform
Notes of MAML Finn, C., Abbeel, P., & Levine, S. (2017). Model-Agnostic Meta-Learning for Fast Adaptation of Deep
本篇論文屬於元學習和黑箱函數優化的交叉領域，其中將元學習的思想應用於黑箱函數優化。這篇論文發表於2017年。 對於黑箱函數優化方法我瞭解的不太多，因此本文的不可避免的會有一些理解不到位的地方。 想要了解貝葉斯優化和高斯過程的，可以
引言 今天在用IEEE的模板寫latex的時候，發現了一個問題：由\begin{algorithm}方法生成的僞代碼中原本默認應該是斜體的強調部分，發現最後顯示時被自動加了下劃線。 我調了十幾分鍾也沒有找到去除這些下滑線的辦法。後
我之前寫過一篇元遷移學習的論文筆記，一種遷移學習和元學習的集成模型。 但是本文的元遷移學習方法完全不同於上一篇論文。 Abstract 由於深度神經網絡容易對小樣本過擬合，所以元學習傾向於使用淺層神經網絡，但淺層神經網絡限制了模型
導言 本文提出了一種將遷移學習和元學習結合在一起的訓練方法。本文是論文A Meta-Learning Approach for Custom Model Training的筆記 介紹 傳統上我們需要很多的訓練數據才能訓練出一個好的
NLP中數據集的切割方法研究 ACL 2019傑出論文獎: We need to talk about atandard splits 獲獎理由 本文質疑了評估NLP模型性能時公認且廣泛運用的方法。 本文使用詞性標註任務說明了問
ESWC 2018 EventKG: A Multilingual Event-Centric Temporal Knowledge Graph Author Gottschalk, Simon，Demidova,
You Only Watch Once：Architecture for Real-Time Spatiotemporal Action Localization 論文地址 Github地址 摘要 時空動作定位要求將兩個信息源整合
綜述：PBFT, Paxos, RAFTPBFTRaftPaxos總結 PBFT 共識算法的集羣中有很多節點，它們都可以處理客戶發來的請求，但是客戶發送請求的順序對於最終的結果存在很大的影響。因此，爲了統一這個結果的順序，PBFT
Journal of Web Semantics(2016) Building event-centric knowledge graphs from news Author Marco Rospocher, Mar
