发表服务
【新智元导读】ICLR2017将于2017年4月24日至26日在法国土伦（toulon）举行，11月4日已经停止接收论文。本文汇总了本年度NLP、无监督学习...
本博客介绍PatternExploitingTraining（PET）范式，可以用于半监督训练或无监督训练。来源于两篇论文的工作。ExploitingClozeQuestionsforFewShotTextClassificationandNaturalLanguageInference论…
UDA(Xieetal.,2019):使用pytorch实现了无监督数据增强（UDA）。使用BERT-baseduncased，无标签的增强数据和批次大小作为MixText，使用原始的无标签数据来预测具有与MixText相同的softmax锐化温度的标签，并计算增强的无标记数据之间的一致性
原标题：ICLR2017深度学习(提交)论文汇总：NLP、无监督学习、自动编码、RL、RNN（150论文下载）.1新智元编译.来源：bbvaopenmind.作者：AmundTveit.译者：刘小芹胡祥杰.：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等9...
论文小结：作者提出一种无监督文本样式转换的概率模型。该方法大致想法是通过使用来自两个域的非并行数据作为部分观察到的并行语料库。作者提出的模型可以学习将序列从一个域转换为另一域。通过生成并行隐序列，模型能以无监督的方式学习该序列。
通过无监督技术训练的词向量表示可以使用由TB级信息组成的大型数据集，并且当它与监督学习相结合时，可以提高各种NLP任务的性能。依旧脆弱的泛化性能：尽管我们的方法提升了自然语言处理系统在大量任务上的性能，但目前的深度学习NLP模型仍然表现出了令人惊讶的反直觉的行为——尤其...
文本分类应该是最常见的文本语义分析任务了。首先它是简单的，几乎每一个接触过nlp的同学都做过文本分类，但它又是复杂的，对一个类目标签达几百个的文本分类任务，90%以上的准确率召回率依旧是一个很困难的事情。这里说的文本分类，指的是泛文本分类，包括query分类，广告分类，page分类...
4.弱监督学习这个比较推荐南京大学周志华老师的综述论文Zhou,Z.H.(2017).Abriefintroductiontoweaklysupervisedlearning.NationalScienceReview,5(1),44-53.5.预训练模型2019google的T5模型论文，把它当成综述来看就介绍的挺好：
ACL2021|今年NLP的这些论文，你不能错过！ACL2021|今年NLP的这些论文，你不能错过！2021-08-03...在6组低资源机器翻译任务和3组无监督机器翻译任务上的实验表明，SemFace方法可以显著提高翻译质量，并分别提高了3.76和1.50的平均BLEU...
本文汇总了本年度NLP、无监督学习、对抗式生成、自动编码、增强学习、随机循环梯度渐变、RNN等多个领域的150篇论文。其中不乏YoshuaBengio、IanGoodfellow、YannLeCun、李飞飞、邓力等学者的作品。从收录的论文主题来看，生成和对抗生成式网络...
【新智元导读】ICLR2017将于2017年4月24日至26日在法国土伦（toulon）举行，11月4日已经停止接收论文。本文汇总了本年度NLP、无监督学习...
本博客介绍PatternExploitingTraining（PET）范式，可以用于半监督训练或无监督训练。来源于两篇论文的工作。ExploitingClozeQuestionsforFewShotTextClassificationandNaturalLanguageInference论…
UDA(Xieetal.,2019):使用pytorch实现了无监督数据增强（UDA）。使用BERT-baseduncased，无标签的增强数据和批次大小作为MixText，使用原始的无标签数据来预测具有与MixText相同的softmax锐化温度的标签，并计算增强的无标记数据之间的一致性
原标题：ICLR2017深度学习(提交)论文汇总：NLP、无监督学习、自动编码、RL、RNN（150论文下载）.1新智元编译.来源：bbvaopenmind.作者：AmundTveit.译者：刘小芹胡祥杰.：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等9...
论文小结：作者提出一种无监督文本样式转换的概率模型。该方法大致想法是通过使用来自两个域的非并行数据作为部分观察到的并行语料库。作者提出的模型可以学习将序列从一个域转换为另一域。通过生成并行隐序列，模型能以无监督的方式学习该序列。
通过无监督技术训练的词向量表示可以使用由TB级信息组成的大型数据集，并且当它与监督学习相结合时，可以提高各种NLP任务的性能。依旧脆弱的泛化性能：尽管我们的方法提升了自然语言处理系统在大量任务上的性能，但目前的深度学习NLP模型仍然表现出了令人惊讶的反直觉的行为——尤其...
文本分类应该是最常见的文本语义分析任务了。首先它是简单的，几乎每一个接触过nlp的同学都做过文本分类，但它又是复杂的，对一个类目标签达几百个的文本分类任务，90%以上的准确率召回率依旧是一个很困难的事情。这里说的文本分类，指的是泛文本分类，包括query分类，广告分类，page分类...
4.弱监督学习这个比较推荐南京大学周志华老师的综述论文Zhou,Z.H.(2017).Abriefintroductiontoweaklysupervisedlearning.NationalScienceReview,5(1),44-53.5.预训练模型2019google的T5模型论文，把它当成综述来看就介绍的挺好：
ACL2021|今年NLP的这些论文，你不能错过！ACL2021|今年NLP的这些论文，你不能错过！2021-08-03...在6组低资源机器翻译任务和3组无监督机器翻译任务上的实验表明，SemFace方法可以显著提高翻译质量，并分别提高了3.76和1.50的平均BLEU...
本文汇总了本年度NLP、无监督学习、对抗式生成、自动编码、增强学习、随机循环梯度渐变、RNN等多个领域的150篇论文。其中不乏YoshuaBengio、IanGoodfellow、YannLeCun、李飞飞、邓力等学者的作品。从收录的论文主题来看，生成和对抗生成式网络...
发表服务