Thidtc's Blog

Keep learning, keep coding.

Improved Neural Relation Detection for Knowledge Base Question Answering

1. 来源 ACL 2017 2. 作者信息 3. 概要本文提出了一种通过在不同粒度对关系和问题进行文本匹配的方法来实现关系检测的模型（HR-BiLSTM）。并将这种关系检测的模型应用到KBQA中，通过实体连接和关系检测模块的互补来提高整体的准确率。在实验中，本文提出的模型能够达到很好的结果 4. 关系检测模型关系检测模型如下所示传统的关系抽取中，由于关系限定且数...

Posted by thidtc on December 28, 2017

Semi-Supervised QA with Generative Domain-Adaptive Nets

1. 作者信息 Zhilin Yang Junjie Hu Ruslan Salakhutdinov William W. Cohen School of Computer Science Carnegie Mellon University {zhiliny,junjieh,rsalakhu,wcohen}@cs.cmu.edu 2. 来源 ACL 2017 3. 概要本文提...

Posted by thidtc on December 20, 2017

Supervised learning and imitation

CS294 DRL-2017-fall(1)

1. 强化学习术语及符号强化学习的基本结构如下图所示 $s_t$ 表示t时刻的状态，$o_t$ 表示t时刻的观察结果，$a_t$ 表示t时刻采取的动作，$\pi_\theta (a_t |o_t)$表示策略。通常我们假设强化学习过程是一个马可夫决策过程（MDP，Markov Decision Process）其中$p(s_{t+1} |s_t,a_t)$是状态转移概率，新...

Posted by thidtc on December 16, 2017

Fast R-CNN

1. 来源 ICCV 2015 2. 作者信息 Ross Girshick Microsoft Research rbg@microsoft.com 3. 源代码 https: //github.com/rbgirshick/fast-rcnn 4. 概要本文提出了Fast R-CNN模型，Fast R-CNN模型基于之前通过深度卷积网络对候选区域进行分类的工作，但是相比于之...

Posted by thidtc on December 12, 2017

Rich feature hierarchies for accurate object detection and semantic segmentation

1. 来源 CVPR 2015 2. 作者信息 Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik UC Berkeley {rbg,jdonahue,trevor,malik}@eecs.berkeley.edu 3. 前置内容 • IoU（Intersection of Union）两个区域的交集和并集的比值，能够用...

Posted by thidtc on December 12, 2017

Simpler GloVe

转载整理自《更别致的词向量模型》系列，作者：苏剑林。如果问我哪个是最方便、最好用的词向量模型，我觉得应该是 word2vec，但如果问我哪个是最漂亮的词向量模型，我不知道，我觉得各个模型总有一些不足的地方。且不说试验效果好不好（这不过是评测指标的问题），就单看理论也没有一个模型称得上漂亮的。本文讨论了一些大家比较关心的词向量的问题，很多结论基本上都是实验发现的，缺乏合理的解释...

Posted by 苏剑林 on December 9, 2017

Unsupervised Machine Translation Using Monolingual Corpora Only

1. 来源 ICLR 2018 under review 2. 作者信息 Guillaume Lample * † , Ludovic Denoyer † , Marc’Aurelio Ranzato * * Facebook AI Research, † Sorbonne Universite ́s, UPMC Univ Paris 06, LIP6 UMR 7606, CNRS {gl...

Posted by thidtc on December 8, 2017

Adversarial Multi-task Learning for Text Classification

来源 ACL 2017 作者信息概要神经网络模型通常使用共享层来实现多任务学习，但是对于大多数的方法，网络提取得到的共享特征可能被任务特有（task-specific）的特征影响。为了解决这个问题，本文提出了一种对抗多任务学习（adversarial multi-task learning）的模型，来减轻共享特征和任务特有特征的相互影响。本文在16个不同的问本分类任务数据集上进行了...

Posted by thidtc on December 6, 2017

SEE: Syntax-aware Entity Embedding for Neural Relation Extraction

1. 来源 AAAI 2018 2. 作者信息 3. 概要本文提出了一种半监督的关系抽取的方法。方法分为3个步骤：首先基于tree-GRU，在句子的语法依赖树上，获得实体的embedding，然后使用intra-sentence和inter-sentence的attention来获取得到包含目标实体对的句子的集合（bag）中每个句子的向量表示，最后使用句子的向量表示和实体的embed...

Posted by thidtc on December 6, 2017

YOLO9000: Better, Faster, Stronger

1. 来源 CVPR 2016 2. 作者信息 Joseph Redmon∗†, Ali Farhadi∗† University of Washington∗, Allen Institute for AI† http://pjreddie.com/yolo9000/ 3. 概要本文提出的YOLO9000模型能够准确地、实时地对9000种物体进行检测。本文首先介绍了对YOLO的几种改...

Posted by thidtc on January 10, 2017