Finks

【面筋】NER技巧文章目录【面筋】NER技巧trick 1：领域词典匹配trick 2：规则抽取trick 3：词向量选取：词向量 or 字向量？trick 4：特征提取器 如何选择？trick 5：专有名称 怎么 处理？trick 6：标注数据 不足怎么处理？trick 7：嵌套命名实体识别怎么处理7.1 什么是实体嵌套？7.2 与 传统命名实体识别任务的区别7.3 解决方法：7.3.1 方法一：序列标注7.3.2 方法二：指针标注7.3.3 方法三：多头标注7.3.4 方法四：片段排列trick 8：

【笔记】事件抽取一、概念参考1. 什么是事件抽取？ACE定义：事件抽取式从一段描述文本（一般是句子级的）中抽取一些关键元素，根据ACE的定义，组成事件的元素包括：触发词，事件类型，论元和论元角色；D.Ahn首先提出将ACE事件抽取任务分成四个子任务:触发词检测、事件/触发词类型识别、事件论元检测和参数角色识别。我们使用ACE术语来介绍如下事件结构:「事件触发词」：Trigger, 表示事件发生的核心词，多为动词和特有名词；「事件类型」：最清楚地表达事件发生的主要词，一般指动词或名词。 A

【总结】知识图谱-关系抽取文章目录【总结】知识图谱-关系抽取一、序1.1 什么是关系抽取？1.2 关系抽取技术有哪些类型？1.3 常见的关系抽取流程是怎么做的？二、概念介绍2.1 模板匹配方法是指什么？有什么优缺点？2.2 远监督关系抽取是指什么？它有什么优缺点？2.3 什么是关系重叠？复杂关系问题？2.4 联合抽取是什么？难点在哪里？2.5 联合抽取总体上有哪些方法？各有哪些缺点？三、方案3.1 基于共享参数的联合抽取方法1）使用依存结构树：2）指针网络同时识别实体和关系3）Copy机制+seq2seq

【面筋】关于Attention一、seq2seq 篇1.1 seq2seq （Encoder-Decoder）是什么？介绍：seq2seq （Encoder-Decoder）将一个句子（图片）利用一个 Encoder 编码为一个 context，然后在利用一个 Decoder 将 context 解码为 另一个句子（图片）的过程 ；应用：在 Image Caption 的应用中 Encoder-Decoder 就是 CNN-RNN 的编码 - 解码框架；在神经网络机器翻译中 Encoder-

【面筋】关于集成学习文章目录【面筋】关于集成学习1、集成学习的基本思想？2、为什么集成思路有效？3、Boosting策略1) boosting的特点是什么？2）Boosting的流程？3）GBDT4）XgBoost4、Bagging策略1）bagging的特点是什么？2）bagging的基本思想3）bagging的基分类器如何选择？4）随机森林5、Stacking策略1）stacking的特点是什么？2）stacking的流程？7、常见问题1）为什么使用决策树作为基学习器？2）为什么不稳定的学习器更适合作

【面筋】神经网络推导文章目录【面筋】神经网络推导激活函数为什么要激活函数？而且还是非线性的激活函数？没了激活函数会怎样？常用的激活函数手推证明：sigmoid会导致其下层所有神经元的权重更新方向一致；手推证明：ReLU神经元死亡将导致权重无法更新；优化算法SGDSGD-MSGD-NAAdaGradRMSProp/AdaDeltaAdamNadam网络层BP算法CNNRNNLSTMGRUBatch Normalization：Dropout模型语言模型word2vecTransformerBertXLNet

资源汇总：面试问答题目整理一下资料汇总，用作记录????DeepLearning-500-questions ： https://github.com/km1994/DeepLearning-500-questions16.1 如何理解序列到序列模型？16.2 序列到序列模型有什么限制吗？16.3 如果不采用序列到序列模型，可以考虑用其它模型方法吗？16.4 如何理解词向量？16.5 词向量哪家好？16.6 解释一下注意力机制的原理？16.7 注意力机制是不是适用于所有场景呢？

文章目录关于batch_size和learning_rate交叉验证1、什么是交叉验证？2、交叉验证的好处？3、交叉验证的方法1）留一法，leave one out (LOOCV)2) K折交叉验证 K-fold cross Validation脏数据处理------置信学习1、脏数据如何处理2、什么是置信学习？3、cleanLab使用1） 置信学习方法 怎么用？有什么开源框架？2）置信学习方法 的工作原理？3）参考数据标注-------主动学习1、 主动学习是什么？2、为什么需要主动学习？3、 主动学习.

【面筋】关于Python文章目录【面筋】关于Python一、什么是`*args` 和 `**kwargs`？1.1 为什么会有 *args 和 **kwargs？1.2 *args 和 **kwargs 的用途是什么？1.3 *args 是什么？1.4 **kwargs是什么？1.5 *args 与 **kwargs 的区别是什么？二、什么是装饰器？2.1 装饰器是什么？2.2 装饰器怎么用？三、Python垃圾回收（GC）3.1 垃圾回收算法有哪些？3.2 引用计数（主要）是什么？3.3 标记-清除是什

【面筋】基础概念文章目录【面筋】基础概念正则化（Regularization）1、正则化 是什么？2、L0 正则化？3、L1 正则化（稀疏规则算法）4、L2 正则化（岭回归）4、dropoutNormalization1、归一化 是什么？2、归一化的方法3、哪些机器学习算法 需要 做归一化？4、哪些机器学习算法 不需要 做归一化？BN 和 LN1、为什么神经网络中要进行Normalization2、Batch Normalization是什么？3、Layer Normalization是什么？过拟合和欠拟

【面筋】关于实体识别文章目录【面筋】关于实体识别1）中文ner和英文ner的区别？2）中文基于字的实体识别有什么缺点?怎么改进?3）什么是词汇增强？4）为什么词汇增强对中文ner有效？5）实体识别有哪些方式？6）什么是嵌套实体识别？7）如何解决嵌套实体识别？1）中文ner和英文ner的区别？分词方式不同，英文使用空格可以准确分词，但中文分词有别去其他语言的分词方式，更复杂。分词的准确性对实体识别有影响，因此中文通常基于字；2）中文基于字的实体识别有什么缺点?怎么改进?中文ner通常视作一个序列标