Galactic Dependencies依存关系数据集+细粒度语言类型学预测 | 实录·PhD Talk #06
2017-08-01
1179
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
11月前
|
机器学习/深度学习
自然语言处理
算法
ICLR 2023 Spotlight | Yoshua Bengio团队新作，生成拓展流网络
ICLR 2023 Spotlight | Yoshua Bengio团队新作，生成拓展流网络
103
0
0
|
11月前
|
机器学习/深度学习
自动驾驶
数据挖掘
实战教程 | ECCV 2022 Out Of Distribution 分类赛道冠军方案解读
实战教程 | ECCV 2022 Out Of Distribution 分类赛道冠军方案解读
357
0
0
|
11月前
|
编解码
PyTorch
算法框架/工具
以 CVPR2023 的半监督语义分割工作 UniMatch 为例，聊聊一篇顶会论文的idea是如何逐步挖掘出来的！
以 CVPR2023 的半监督语义分割工作 UniMatch 为例，聊聊一篇顶会论文的idea是如何逐步挖掘出来的！
339
0
0
|
11月前
|
人工智能
算法
计算机视觉
|
11月前
|
机器学习/深度学习
人工智能
自然语言处理
|
11月前
|
机器学习/深度学习
自然语言处理
算法
|
11月前
|
机器学习/深度学习
数据可视化
数据挖掘
跟着Nature Communications学数据分析：R语言做随机森林模型并对变量重要性排序
跟着Nature Communications学数据分析：R语言做随机森林模型并对变量重要性排序
296
0
0
|
机器学习/深度学习
Web App开发
人工智能
全球名校AI课程库（7）| Berkeley伯克利 · 深度神经网络设计、可视化与理解课程『Deep Learning: Designing, Visualizing and Understand』
课程以深度学习的典型方法、模型设计、可视化与模型理解为主题，讲解了自然语言处理、计算机视觉、强化学习等领域的AI模型全域知识。
2165
1
1
|
Rust
Ubuntu
编译器
|
机器学习/深度学习
自然语言处理
算法
论文赏析[EMNLP19]如何在Transformer中融入句法树信息？这里给出了一种解决方案（二）
之前其实有很多工作将句法信息融入到了RNN中，例如ON-LSTM和PRPN，用来隐式建模句法结构信息，同时提升语言模型的准确率。本文尝试将句法信息融入到Transformer中，用来赋予attention更好的解释性。同时可以无监督的预测出句子的句法树，并且相比于一般的Transformer，语言模型的性能有所提高。
225
0
0
![论文赏析[EMNLP19]如何在Transformer中融入句法树信息？这里给出了一种解决方案（二）](https://ucc.alicdn.com/pic/developer-ecology/a488c4b851914fdfb2c686dd8ea02a50.png?x-oss-process=image/resize,h_160,m_lfit)