机器之心深度研学社每周干货：2017年第23周

Synced 深度研学社 每周干货，每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少，每周进步一点点~

【入门资料】Question Answering

by Daniel Jurafsky & James H. Martin.

这是Speech and Language Processing书中的第28章内容，主要讲述问答系统的基础和发展。当下主流的问答系统关注factoid question，即可以用简短文本回答的问题。书中首先重点介绍了两个主流的paradigm: text-based question answering和knowledge-based question answering。本章最后一个部分介绍了一个庞大的hybrid system: Watson DeepQA system。

【技术分析】Recurrent Additive Network

by Kenton Lee, Omer Levy, Luke Zettlemoyer

这篇论文介绍了一个用简化的gated component-wise sum function来代替LSTM的非线性计算，在很多不少建模问题中表现出色，结果显示这些gates所做的实际计算量要比常规理解的计算量要更多一些。这个new gated RNN仅仅使用additive latent state update，所以称作Recurrent Additive Network。

【资源分享】Deep Learning for NLP with Pytorch

这是一份用Pytorch介绍深度学习核心概念的教程。目标读者是没有在任何深度学习框架中编程过的初学者，但是会预计读者熟悉核心的语言处理问题，如part-of-speech tagging和language modeling，也假设读者有基础的neural network 知识，比如基础的反向传播算法。注意这是份关于model而不是data的教程，旨在帮助读者理解weight如何在traning中改变。