Reading Wikipedia to Answer Open-Domain Questions 论文阅读报告

简介

Reading Wikipedia to Answer Open-Domain Questions 这篇文章是 斯坦福博士生 陈丹琦 发表在ACL2017 上的文章,她的工作主要是她在Facebook实习时做的,主要解决使用维基百科来解决开放领域的自动问答问题。原文链接。并且,论文的源码和系统已经公布在Github

Facebook首席科学家Yann LeCun也推荐了该系统

DrQA 是一个开放域的问答系统。向 DrQA 系统输入一段文本,然后提一个答案能在该文本中找到的问题,那么 DrQA 就能给出这个问题的答案。代码相关的论文将在 ACL 发表。向该团队致敬:FAIR 研究工程师 Adam Fisch、斯坦福博士实习生 Danqi Chen 和 FAIR 科学家 Jason Weston 和 Antoine Bordes。

阅读更多
Denoising Distantly Supervised Open-Domain Question Answering 阅读报告

简介

Denoising Distantly Supervised Open-Domain Question Answering 这篇文章是 清华的林衍凯同学和刘知远老师团队在 ACL2018 上发表的文章, 主要解决 开放问答领域中的 远程监督的噪声问题。原文链接

阅读更多
Attention is all you need 论文阅读报告及代码详解

文章简介

这篇文章是Google公司谷歌大脑部门的一篇关于使用注意力机制(Attention Mechanism)来进行翻译的模型的研究,这篇文章最终发表在NIPS 2017上。整个模型还是基于 encode-decode的构架,但是attention不再和CNN以及RNN一起使用,而是单独使用。这个框架的名字叫做Transformer

论文链接

阅读更多
要好好开始写论文了

开始好好写论文

重新配置了一下网站,准备好好地学习写论文和读论文,过一个充实的研究生活


Kobe 投篮预测比赛解题报告

题目数据分析

这道Kaggle题目还是蛮与时俱进的,科比刚刚退役,这道题目就上线了。这道题目主要是把科比在役这么多年以来的比赛投篮数据,主要是NBA的,拿过来,每一项数据就是一次投蓝,当然包括中或者不中,主要是预测科比这次投篮到底是中还是不中。中就是1,不中就是0。每个数据包含了科比的投篮方式,是在什么时间的什么比赛,是不是季后赛,以及投球时所剩余的时间等等信息。从这么多次投篮中,挖去了一些投球结果,比赛的目的就是让参赛选手通过分析没有挖去的训练数据中进行学习和挖掘,然后预测挖去的投球结果到底是中了还是没中。

阅读更多
KDDCup2016 总结

KDDCUP 总览与概况

今天已经提交了最后一次kddcup phrase3 的结果。目前为止,今年的kddcup也算是结束,这也是我第一次参加kddcup。在这次kddcup结果出来之前,也只有静静地等待。对于这次的kddcup有一些感想,记录下来。

阅读更多