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.

简介:

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。

链接: https://web.stanford.edu/~jurafsky/slp3/28.pdf

【技术分析】Recurrent Additive Network

by Kenton Lee, Omer Levy, Luke Zettlemoyer

简介:

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。

链接: https://arxiv.org/pdf/1705.07393.pdf

【资源分享】Deep Learning for NLP with Pytorch

简介:

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。

链接: http://pytorch.org/tutorials/beginner/deep_learning_nlp_tutorial.html
入门入门机器之心深度研学社
1
暂无评论
暂无评论~