论文阅读
关注
分享
扫一扫
文章平均质量分 89
seeInfinite
这个作者很懒，什么都没留下…
展开
-
论文阅读 | MIX: Multi-Channel Information Crossing for Text Matching
MIX: Multi-Channel Information Crossing for Text Matching（腾讯2018 KDD）主要特点：1.本文中对于句子匹配，考虑了很多不同层面的：词，短语，句法，词频和权重，语法信心等信息2.通过多通道将所有信息整合起来，其中包括： （1）semantic information：unigrams,bigrams,trigram...原创 2018-07-31 19:42:08 · 1495 阅读 · 1 评论 -
知识图谱论文阅读
知识图谱论文阅读1.Question Answering over Freebase via Attentive RNN with Similarity Matrix based CNN（有pytorch源码）1.实体检测此外，文中设计了一种新的实体检测启发式扩展方法，大大降低了噪声的影响。 2.关系检测(检测出知识图谱中与问题最匹配的关系)目的：找出与问...原创 2018-07-31 19:50:58 · 3874 阅读 · 1 评论 -
论文阅读 | Multi-Cast Attention Networks for Retrieval-based Question Answering and Response Prediction
Multi-Cast Attention Networks for Retrieval-based Question Answering and Response Prediction（KDD 2018）1.主要特点：通常，一个句子应用一次attention，然后学习最终表示并传递给预测层。许多现有模型的明显缺点是它们通常仅限于一种attention变体，在调用一次或多次注意力机制的情...原创 2018-07-31 21:47:00 · 1818 阅读 · 0 评论 -
论文阅读 | A Deep Relevance Matching Model for Ad-hoc Retrieval
A Deep Relevance Matching Model for Ad-hoc Retrieval（2016 CIKM）模型细节 1.对于query中的每个词建立mapping直方图输入：query中的每个词和doc所有词产生term pair，对于每一个pair使用相似度计算（论文中使用了cos距离），考虑到位置对于匹配问题其实没有影响，此处不用位置信息，而...原创 2018-08-06 00:08:06 · 2148 阅读 · 0 评论 -
深层CNN的调参经验 | A practical theory for designing very deep convolutional neural networks
A practical theory for designing very deep convolutional neural networks两个前提假设：1.对于每一个卷积层，其学习更复杂表示的能力应该被保证2.最高层的感受野应该不大于图像范围 Why deep?更深：只增加了线性复杂度，但是模型的学习效果却提升了很多 模型结构1.featur...原创 2018-08-18 16:46:33 · 3004 阅读 · 1 评论 -
Multiway Attention Networks for Modeling Sentence Pairs
###Multiway Attention Networks for Modeling Sentence Pairs####模型架构：####总体思想：将query信息通过不同形式的attention加入到answer中，对answer进行query感知的建模，从而进行预测####1.数据输入使用word embedding和language model表示的contextual ...原创 2018-10-12 23:05:01 · 1208 阅读 · 0 评论