台部落sansheng su

課程概要 1、什麼是自然語言處理 2、什麼是深度學習（DL） 3、課程簡介 4、爲什麼自然語言處理很難？ 5、Deep NLP=Deep learning（深度學習）+NLP 一、什麼是自然語言處理自然語言處理是計算機科學，人工智

2019-04-03 00:22:10

本課概要 1、gated recurrent units比如GRUs和LSTM的再次回顧 2、機器翻譯評估 3、單詞生成問題一、 gated recurrent units比如GRUs和LSTM的再次回顧在RNN的後饋計算中，很容

2018-11-20 06:12:17

本課概要 1、機器翻譯（MT） 2、帶attention的序列模型 3、序列模型解碼器（decoder）一、機器翻譯（MT）機器翻譯是一個十分經典的語言理解的測試，涉及語言分析（language analysis）與語言生成（la

2018-11-20 06:12:17

本課概要 1、一些重要的概念的回顧 2、傳統的統計機器翻譯方法 3、應用於機器翻譯的RNN 4、GRUs 5、LSTMs 6、RNNs最近的一個改進 7、總結一、一些重要的概念的回顧二、傳統的統計機器翻譯方法使用平行語料

2018-11-14 06:04:00

課程概要 1、tensorflow介紹 2、代碼展示一、tensorflow介紹 1、什麼是tensorflow？針對數量計算的使用數據流圖流程圖開源軟件庫由Google Brain團隊開發的機器學習的研究 Tensorflo

2018-11-14 06:04:00

課程概要 1、傳統語言模型 2、循環神經網絡 3、實例（python） 4、RNN處理的一些技巧 5、針對其他任務的序列模型 6、總結一、傳統語言模型語言模型可以計算一些系列的單詞的概率P（w1，…,wT) 可以用來進行機器翻

2018-11-14 06:04:00

課程概要 1、句法結構：成分句法、依存句法 2、依存語法 3、 Transition-based依存句法分析 4、神經網絡的依存句法分析一、句法結構：成分句法、依存句法參考斯坦福大學-自然語言處理入門筆記第十三課統計語言句法

2018-11-07 05:55:41

1、什麼是問答系統問答系統是最早的NLP任務，根據問題的依存關係，找到適合的依存關係的回答。在現代系統中問題被分爲兩類事實問題的回答一般都是一個簡單的詞組或者是命名實體兩種問答系統的範式基於信息檢索的路徑

2018-11-07 05:55:41

一、介紹一個短語的中心詞（head word）可以很好地代表這個短語的結構和含義，在構建PCFG模型的時候，可以考慮將這部分信息納入其中。如下圖所示加入單詞信息可以幫助我們更好地選擇出合適的模型。二、Charniak模型

2018-11-07 05:55:41

課程概要 1、反向傳播的四種解釋 2、項目指導一、反向傳播的解釋1 任務：和上一課一樣，判斷中心詞是否是一個命名實體地點，窗口定義和最後一層的函數都是一樣的結構：含有兩個隱層二、反向傳播的解釋2：circuits 例子來源

2018-11-07 05:55:41

一、介紹信息檢索（information retrieval）是從海量集合體（一般是存儲在計算機中的文本）中找到滿足信息需求（information need）的材料（一般是文檔）信息檢索的應用領域：網頁搜索，郵件搜索，電腦內部

2018-11-07 05:55:41

一、最大熵模型 1、模型介紹基本思想：我們希望數據是均勻分佈的，除非我們有其他的限制條件讓給我們相信數據不是均勻分佈的。均勻分佈代表高熵（high entropy）。所以，最大熵模型的基本思想就是我們要找的分佈是滿足我們限制條件下

2018-11-07 05:55:41

課程概要 1、分類問題背景 2、窗口分類與交叉熵導數建議 3、後饋（Backpropagation)訓練一、分類問題背景 1、分類的一些主要符號說到分類任務，我們一般會有一個數據集包含樣本： {xi,yi}i=1N\{x_i ,

2018-11-07 05:55:40

一、問答系統中的總結（summarization）目標：產生一個摘要文本包含那些對用戶重要和相關的信息總結的應用領域：任何文檔的摘要和大綱，郵件摘要等等根據總結的內容，我們可以把總結分爲兩類：單文檔總結：給出一個單一文檔的

2018-11-07 05:55:40

一、生成模型與判別模型 1、引言到目前爲止，我們使用的是生成模型（generative model)，但是在實際使用中我們也在大量使用判別模型（discriminative model)，主要是因爲它有如下的優點：準確性很高

2018-11-07 05:55:40