- 1、本文档共50页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
从深度匹配到深度问答;目录;;无处不在的问答引擎;;搜索问答的挑战;深度匹配;深度匹配–数据来源;深度匹配;深度匹配;深度匹配;基于句子表示的方法;基于句子表示的方法;多层表示学习QRNN-ATT;基于交互关系的方法;基于交互关系的方法;多层匹配学习 MV-LSTM;单层QRNN-ATT;公开数据集上的表现;Sogoulongtaildataset
多层模型表示学习优于匹配学习,随层数增加,表示学习效果提升更明显
RepresentationLearning模型能够更好地设计多层间交互,提升模型拟合能力;机器阅读理解;机器阅读理解;机器阅读理解;机器阅读理解;R-NET;;GoogleQANET;;;事实类问答;;非事实类问答;;语言模型预训练;WordEmbedding的缺陷;语言模型预训练方法;传统WordEmbeddings
每一个词只对应一个词向量
EMLo
利用预训练好的双向语言模型,然后根据具体输入从该语言模型中可以得到上下文依赖的当前词表
对于不同上下文的同一个词的表示是不一样的;EmbeddingsfromLanguageModels;针对每个Token;EmbeddingsfromLanguageModels;GenerativePre-Training;GenerativePre-Training;GenerativePre-Training;GenerativePre-Training;BidirectionalEncoderRepresentationsfromTransformers;BidirectionalEncoderRepresentationsfromTransformers;;BidirectionalEncoderRepresentationsfromTransformers;语言模型预训练;50
您可能关注的文档
最近下载
- 统编版语文八年级上册第26课《诗词五首》(教案).docx
- 全册分单元复习(课件含练习)六年级上册科学苏教版.pptx
- 2024年山东省政府采购判断题真题最新(2024年12月12日整理).docx VIP
- 民事诉讼法(山东大学)中国大学MOOC慕课 章节测验期末考试答案.docx
- 浙教版小学一年级上册《劳动》全册教学课件.pptx
- 2023年新版征信报告详细版征信报告模板-Word-可编辑-有水印.docx VIP
- 【社交BP】七友(SVR)虚拟现实社交平台商业计划书.ppt VIP
- 接地变压器容量的计算与选择.pdf VIP
- 糖尿病足骨搬运技术.pptx VIP
- P气瓶充装证模拟考试题库及答案.pdf VIP
文档评论(0)