coder_Gray的博客

Embedding这个词接触过深度学习的同学都不陌生，它在keras官方文档中的解释为：嵌入层将正整数（下标）转换为具有固定大小的向量。（这个解释太模糊了啊！！！）实际上，embedding这个词来源于wordEmbedding。使用嵌入层主要有三大原因：使用onehot编码会使向量的维度很高，而且十分稀疏，假如字典包含了2000个词，那么每一个词的onehot向量表示将有2000个整数组...

知识图谱技术是知识图谱构建和应用的技术，是语义web、自然语言处理和机器学习的交叉学科。我们将知识图谱技术分为三个部分：知识图谱构建技术、知识图谱查询和推理技术和知识图谱应用。知识图谱构建知识表示与构建知识表示将现实世界中的各类知识表示成计算机能够存储和计算的结构。机器必须要掌握大量的知识，特别是常识知识才能实现真正的智能。知识图谱中的知识表示以结构化的形式描述客观世界中的概念、实体及...

在进行NLP相关编码时，将文本进行序列化编码是一个必要的环节（word->id），之前自己一直是自己手写代码构造词表并给句子进行填充，后来网上看到一个神仙函数两句语句就能完成构造词表vocab和句子填充，就是我们今天的主角VocabularyProcessor函数。函数参数如下：from tensorflow.contrib import learnvocal = learn.pr...

最近在做bi_lstm_crf时使用了CRF的一些库函数，是tensorflow官方库提供的。在我的项目中有两处用到了CRF：1.在双向LSTM进行输出之后计算loss时，要使用到 crf_log_likelihood 函数。这个函数是 tensorflow.contrib.crf 提供的。下面举个例子说明函数的参数和函数输出。crf_log_likelihood(inputs,ta...

关系定义为两个或多个实体之间的某种联系，实体关系学习就是自动从文本中检测和识别出实体之间具有某种语义的关系，也称为关系抽取。关系抽取的结果通常是一个三元组（实体1，关系，实体2）。例如：句子“北京是中国的首都、政治中心和文化中心”中的表述抽取出的关系表示为（中国，首都，北京），（中国，政治中心，北京），（中国，文化中心，北京）。关系抽取是知识图谱的构建和知识抽取中的一个重要环节，具有重要的理论意义...

TSA任务介绍目标情感分析任务（Targeted Sentiment Analysis, TSA）旨在提取目标实体并对其进行情感分类。因此可以理解为命名实体识别（NER）和情感分析（SA）两个任务的联合学习。例如，给出一句“ESPN调查显示迈克尔乔丹是最伟大的篮球运动员”，检测目标是ESPN和迈克尔乔丹，他们的情绪类别分别为中性和正面。最近的一些工作试图联合学习这两项任务，看成序列标注问题，其...