Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

机器之心深度研学社每周干货:2017年第34周

Synced 深度研学社 每周干货,每周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】Word2Vec Tutorial - The Skip-Gram Model

by

Chris McCormick

简介:


这是一份非常出色的word-to-vector教程,详细介绍了自然语言处理中的the skip-gram model,重点是如何得到一个skip-gram model以及如何理解与解释。作者也发布了第二份介绍如何使用negative sampling来加快训练模型的过程。


链接 :http://mccormickml.com/2016/04/19/word2vec-tutorial-the-skip-gram-model/


【技术分析】A Supervised Similarity Network for Metaphor Detection

by Marek Rei, Luana Bulat, Douwe Kiela, Ekaterina Shutova



简介:


这篇论文的作者来自剑桥大学和 Facebook,主要介绍了一个可以探测象征用法的监督式学习网络。作者首先介绍了探测象征用法的以往方法及可圈可点的发展,其次详细讲述他们的监督式学习网络,亮点包括根据输入词组改变词向量,用加权余弦值来表示相似度等。论文用attribute-based表示方法、skip-gram表示方法以及混合表示方法在两组数据库上做了实验,并总结道此监督式学习网络可以在象征用法和非象征用法间划定出一个更清晰更准确的界限。


论文链接:http://www.cl.cam.ac.uk/~es407/papers/emnlp2017marek.pdf

【资源分享】Sequence-to-Dependency Neural Machine Translation

by Matt Hurd



简介:


这是一篇介绍神经网络硬件平台的博文,作者详细介绍了硬件发展史并全面点评了现下的各个平台,包括英伟达、AMD、谷歌等的GPU、wave computing、KnuPath、 Nervana、地平线机器人等等,全文思路清晰且相对客观。


链接:https://meanderful.blogspot.jp/2017/06/fpgas-and-ai-processors-dnn-and-cnn-for.html
入门深度研学社Word2Vec监督式学习硬件理论
暂无评论
暂无评论~