<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[LiJiale_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/LiJiale_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; LiJiale_]]></copyright><item><title><![CDATA[《Emotion-Cause Pair Extraction》论文解读]]></title><link>https://blog.youkuaiyun.com/LiJiale_/article/details/105254858</link><guid>https://blog.youkuaiyun.com/LiJiale_/article/details/105254858</guid><author>LiJiale_</author><pubDate>Sat, 04 Apr 2020 00:17:11 +0800</pubDate><description><![CDATA[Emotion-Cause Pair Extraction

论文链接: https://arxiv.org/abs/1906.01267v1.

Abstract

]]></description><category></category></item><item><title><![CDATA[ELMo论文解读]]></title><link>https://blog.youkuaiyun.com/LiJiale_/article/details/104615423</link><guid>https://blog.youkuaiyun.com/LiJiale_/article/details/104615423</guid><author>LiJiale_</author><pubDate>Mon, 02 Mar 2020 20:58:51 +0800</pubDate><description><![CDATA[论文链接：https://arxiv.org/abs/1802.05365
此论文提出了一种新的表示词语的方法，用于解决如下问题：
（1）	词的复杂特征
（2）	在不同语境下词的多义性
该论文提出的模型，使用biLM（双向语言模型）在大型语料上的预训练，通过内部状态得到词向量，这种表示可以很容易的用在已经存在的模型并明显提高解决NLP任务的能力，包括问答、情感分析等等。
1.介绍
得到高质量的词表...]]></description><category></category></item><item><title><![CDATA[RNN的反向传播]]></title><link>https://blog.youkuaiyun.com/LiJiale_/article/details/103216341</link><guid>https://blog.youkuaiyun.com/LiJiale_/article/details/103216341</guid><author>LiJiale_</author><pubDate>Sat, 23 Nov 2019 21:11:43 +0800</pubDate><description><![CDATA[欢迎使用Markdown编辑器
RNN模型示例：

ht=σ（W(hh)ht-1+W(hx)xt）
y^=softmax(W(S)ht)
​

RNN常用Cross Entropy error作为损失函数，在某个时间步t的损失函数（j遍历维度）	
	
在大小为T的corpus上的误差：

反向传播图示

为了计算RNN误差dE/dw，需要把每一个时间步的误差（dEt/dw）进行加和，误差对参数求梯...]]></description><category></category></item></channel></rss>