IT路上的学步者

阅读《Learning to Ask: Neural Question Generation for Reading Comprehension 》@(NLP)[自然语言生成|LSTM|QA|Attention]Abstract文章为研究了句子级别和段落信息编码之间的影响，提出了一种基于注意力的序列学习模型。与以前的工作不同，他们的模型不依赖手工生成的规则或者复杂的NLP管道（不是...

Train RNN as fast as CNN@(NLP)[cuDNN-LSTM, SRU]ABSTRACT作者提出了一个简单循环单元的架构（SRU），能够轻易的实现并行化。SRU像CNN一样快，比优化后的LSTM实现快5到10倍。 In SRU, the majority of computation for each step is independent of t...

这周例会上分享了《Phrase-Based & Neural Unsupervised Machine Translation》这篇文章，同时在csdn上也写一下吧论文中主要提出了两个模型，分别是基于神经网络的NMT和基于N-Gram的词频统计模型。作者说使用非监督的方式翻译，只要遵循一下三个原则，就可以实现，而不在于模型。所以在这里我只介绍其中的NMT模型。作者在文章中提出无监督的M...

TextRank 实际就是 PageRank 2.0将PageRank 从网页链接拓展到了 文本处理上。从有向图无权重图变成了无向有权图。我们想了解 TextRank 就可以想从 PageRank 看起。PageRankPageRank算法可谓是大名鼎鼎了，在IT届要是没听过的人也是极少了。这是一个用于评估网页重要度排序的算法。...