name真难起a_个人页
name真难起a
文章
3
问答
0
视频
0
个人介绍
搜索事业部算法工程师，主要方向为 NLP、搜索推荐相关，
擅长的技术
-
发表了文章 2017-03-20
论文札记之 - A Latent Semantic Model with Convolutional-Pooling Structure for Information Retrieval
前言 在统计自然语言处理任务中，最基础也是最关键的一步是将人能够理解的文本编码为机器能够计算的向量，并且在编码过程中，尽量保留原有的语法和语义特征。语法特征包括词法：形容词，动词，名词等；句法：主谓宾，定状补；语义角色：如施事、受事、与事。语义特征则是需要结合上下文推到出的文本真正的含义，对歧义句式进行更严格的分化，可以解释某些同形格式产生歧义的原因。这篇 paper 讨
-
发表了文章 2017-02-03
论文札记之 - End-To-End Memory Networks
Yann Le Cun 大犇在 nips2016 列举 AI 的一些 obstacles，其中提到 Intelligence & Common Sence = Preception + Predictive Model + Memory + Reasoning & Planning，其后有一些 slide 专门介绍了 Memory Netwo
-
发表了文章 2017-01-27
论文札记之 - Generative Adversarial Nets
值此岁末之际，又逢DL浪潮之巅，深觉应该整理下看过的一些 papers，写写自己粗鄙的见解，第一篇就从目前热门的 GAN 开始吧摘要 GAN 是一个框架 ，有两个 model，一个是用于刻画数据分布的生成式模型 G ; 另一个是判别模型 D ,用于判断数据是从 G 生成的还是从训练样本中采样的。理所应当的, G 模型要让 D 模型相信数据是从自身产生的，因此目标
暂无更多信息
-
发表了文章
2017-03-20
论文札记之 - A Latent Semantic Model with Convolutional-Pooling Structure for Information Retrieval
-
发表了文章
2017-02-03
论文札记之 - End-To-End Memory Networks
-
发表了文章
2017-01-27
论文札记之 - Generative Adversarial Nets
滑动查看更多
暂无更多信息
暂无更多信息