斯坦福NLP課程 | 第18講 - 句法分析與樹形遞歸神經網路
- 2022 年 5 月 23 日
- 筆記
作者： 韩信子 @ ShowMeAI ，路遥@ ShowMeAI ，奇异果@ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/256 声明：版权所有，转载请联系平台与 …
Continue Reading斯坦福NLP課程 | 第15講 - NLP文本生成任務
- 2022 年 5 月 20 日
- 筆記
作者： 韩信子 @ ShowMeAI ，路遥@ ShowMeAI ，奇异果@ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/252 声明：版权所有，转载请联系平台与 …
Continue Reading斯坦福NLP課程 | 第12講 - NLP子詞模型
- 2022 年 5 月 16 日
- 筆記
作者： 韩信子 @ ShowMeAI ，路遥@ ShowMeAI ，奇异果@ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/249 声明：版权所有，转载请联系平台与 …
Continue Reading斯坦福NLP課程 | 第11講 - NLP中的卷積神經網路
- 2022 年 5 月 14 日
- 筆記
作者： 韩信子 @ ShowMeAI ，路遥@ ShowMeAI ，奇异果@ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/248 声明：版权所有，转载请联系平台与 …
Continue ReadingNLP教程(7) - 問答系統
- 2022 年 5 月 11 日
- 筆記
作者： 韩信子 @ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/245 声明：版权所有，转载请联系平台与作者并注明出处 收藏 ShowMeAI 查看更多精彩内容 …
Continue ReadingNLP教程(6) - 神經機器翻譯、seq2seq與注意力機制
- 2022 年 5 月 10 日
- 筆記
作者： 韩信子 @ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/242 声明：版权所有，转载请联系平台与作者并注明出处 收藏 ShowMeAI 查看更多精彩内容 …
Continue Reading
NLP教程(4) - 句法分析與依存解析
- 2022 年 5 月 5 日
- 筆記
作者： 韩信子 @ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/237 声明：版权所有，转载请联系平台与作者并注明出处 收藏 ShowMeAI 查看更多精彩内容 …
Continue Reading
NLP教程(2) | GloVe及詞向量的訓練與評估
- 2022 年 5 月 1 日
- 筆記
作者： 韩信子 @ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/232 声明：版权所有，转载请联系平台与作者并注明出处 收藏 ShowMeAI 查看更多精彩内容 …
Continue Reading
斯坦福NLP課程 | 第1講 - NLP介紹與詞向量初步
- 2022 年 4 月 29 日
- 筆記
作者： 韩信子 @ ShowMeAI ，路遥@ ShowMeAI ，奇异果@ ShowMeAI 教程地址 ： //www.showmeai.tech/tutorials/36 本文地址 ： //www.showmeai.tech/article-detail/231 声明：版权所有，转载请联系平台与 …
Continue Reading
LSH-局部敏感哈希
- 2022 年 4 月 17 日
- 筆記
假设通过用户 - 物品相似度进行个性化推荐 用户和物品的 Embedding 都在一个 \(k\) 维的 Embedding 空间中，物品总数为 \(n\) ，计算一个用户和所有物品向量相似度的时间复杂度是$ O(k*n)$ 直觉的解决方案 基于聚类 基于索引 基于聚类的思想 优点： 离线计算好每个 …
Continue Reading