<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[VIPsucks的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/VIPsucks</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; VIPsucks]]></copyright><item><title><![CDATA[[NLP] 实体链接论文阅读—Entity Linking for Chinese Short Texts Based on BERT and Entity Name Embeddings]]></title><link>https://blog.youkuaiyun.com/VIPsucks/article/details/103669507</link><guid>https://blog.youkuaiyun.com/VIPsucks/article/details/103669507</guid><author>VIPsucks</author><pubDate>Mon, 23 Dec 2019 17:42:11 +0800</pubDate><description><![CDATA[Entity Linking for Chinese Short Texts Based on BERT and Entity Name Embeddings
写在前面：
最近在阅读实体链接论文，实体消歧是实体链接必须有的步骤，而实体链接的前一步为实体识别，对于只想知道本文到底用什么方法进行实体消歧并实体链接的，请直接移步第三部分Model架构的描述。这次直接用raw markdown写了，尝试过...]]></description><category></category></item><item><title><![CDATA[[DL笔记] Transformer介绍 Attention机制 李宏毅深度学习]]></title><link>https://blog.youkuaiyun.com/VIPsucks/article/details/103616655</link><guid>https://blog.youkuaiyun.com/VIPsucks/article/details/103616655</guid><author>VIPsucks</author><pubDate>Thu, 19 Dec 2019 16:24:09 +0800</pubDate><description><![CDATA[Transformer 李宏毅深度学习
tags: Deep Learning, Transformer, , seq2seq, Attention
笔记内容参考于：https://youtu.be/ugWDIIOHtPA
原文link（我最初的笔记，图较多，建议阅读，要fq ^.^）： https://hackmd.io/@abliu/BkXmzDBmr

RNN：

是最经典的处理Sequen...]]></description><category></category></item><item><title><![CDATA[[DL笔记] 生成对抗网路 GAN介绍 李宏毅深度学习]]></title><link>https://blog.youkuaiyun.com/VIPsucks/article/details/103616316</link><guid>https://blog.youkuaiyun.com/VIPsucks/article/details/103616316</guid><author>VIPsucks</author><pubDate>Thu, 19 Dec 2019 16:10:41 +0800</pubDate><description><![CDATA[来自台大李宏毅老师深度学习开放式课程，以及我在medium的笔记内容
原文link（建议阅读此篇，有图比较好看，要fq）：DL笔记：生成对抗网络GAN

GAN的分类

Typical GAN
找一个generator（即一个function），输入随机向量，输出为向量转换生成的结果。例：收集很多动画人物的头像，把这些头像喂给generator，generator学会产生出新的动画人物头像。
Co...]]></description><category></category></item><item><title><![CDATA[[NLP] 实体消歧论文阅读—Entity Disambiguation by Knowledge and Text Jointly Embedding]]></title><link>https://blog.youkuaiyun.com/VIPsucks/article/details/103611472</link><guid>https://blog.youkuaiyun.com/VIPsucks/article/details/103611472</guid><author>VIPsucks</author><pubDate>Thu, 19 Dec 2019 15:51:43 +0800</pubDate><description><![CDATA[实体消歧论文阅读—Entity Disambiguation by Knowledge and Text Jointly Embedding
原文link: Entity Disambiguation by Knowledge and Text Jointly Embedding

前言
本篇论文是知识图谱任务中的实体消歧，花了几天时间阅读一遍，在这里将我对原文的理解阐述出来，大部分是根据原文翻译...]]></description><category></category></item><item><title><![CDATA[tensorflow提取gensim预训练词向量模型并计算相似度]]></title><link>https://blog.youkuaiyun.com/VIPsucks/article/details/99694096</link><guid>https://blog.youkuaiyun.com/VIPsucks/article/details/99694096</guid><author>VIPsucks</author><pubDate>Sat, 17 Aug 2019 16:03:38 +0800</pubDate><description><![CDATA[用tensorflow提取gensim预训练词向量模型并计算相似度
本文提供如何加载已经训练好的词向量模型并在tensorflow上计算常用词的相似度。
Step1. Import 一些package
import gensim
from gensim.models import word2vec
from gensim.similarities import WmdSimilarity
impo...]]></description><category></category></item><item><title><![CDATA[[NLP] 条件随机场工具包crf++下载地址]]></title><link>https://blog.youkuaiyun.com/VIPsucks/article/details/90245238</link><guid>https://blog.youkuaiyun.com/VIPsucks/article/details/90245238</guid><author>VIPsucks</author><pubDate>Wed, 15 May 2019 21:16:20 +0800</pubDate><description><![CDATA[[NLP] 条件随机场工具包crf++下载地址
crf++是一个好用的条件随机场工具，直接调用里面的模型，很快就能完成语料的训练。
有鉴于官网使用的是google drive，大陆地区朋友不fq根本就无法下载]]></description><category></category></item></channel></rss>