NLP裡最常用、最傳統的深度學習模型就是 迴圈神經網路 RNN （Recurrent Neural Network）。這個模型的命名已經說明了資料處理方法，是按順序按步驟讀取的。與人類理解文字的道理差不多，看

楊植麟是卡內基梅隆大學電腦科學學院的四年級博士生，由Apple AI負責人Ruslan Salakhutdinov指導。在過去的三年中，他作為第一作者在ICIR、ICML、NeurIPSACL和EM

本文主要用於記錄谷歌發表於2017年的一篇論文（引用量接近上千）。該論文提出的Transformer模型也是近年來被廣泛應用的。本筆記主要為方便初學者快速入門，以及自我回顧。 論文連結： https://

Contents 1. 冪演算法 冪演算法適用於 $n \times n$ 矩陣 $A$ 由嚴格佔優特徵值 （亦稱主特徵值）$\lambda_1$ 的情況。$\lambda_1

前  言 作为自然语言处理爱好者，大家都应该听说过或使用过大名鼎鼎的Gensim吧，这是一款具备多种功能的神器。 Gensim是一款开源的第三方Python工具包，用于从原始的非结构化的文本中

我們最終是想要 求出最大間隔超平面 ， 所以需要計算出約束條件下的 w和b 這兩個引數，進而得到最大間隔超平面的表示式 求解方法是將原問題轉化為其對偶問題進行求解， 這個過程分為四步，

解決辦法： Android studio的模擬器在ADM cpu上不被支援，沒辦法就出現下面的問題 先是照著網上的教程，安裝了德國的GENYMOTION模擬器，後來不知道什麼原因，無法登

記者今日從業內人士處獲悉，聯合辦公企業氪空間已於日前低調推出了名為”氪星智造“的辦公定製化產品，並在和數家意向企業溝通，據悉，此次氪空間推出的辦公整體解決方案，類似國外同行WeWork的“Powered by We”

原題目 ：《Delete, Retrieve, Generate: A Simple Approach to Sentiment and Style Transfer 》 來源 ：NAACL 20

上一篇實現了圖片CNN單標籤分類（貓狗圖片分類任務） 地址： juejin.im/post/5c0739… 預告：下一篇用LSTM+CTC實現不定長文字的OCR，本質上是一種不固定標籤個數的多標籤分

Introduction 由於當前的事件抽取模型依賴於監督資料中已有事件（seen type）的特徵學習，所以不利於擴充套件到新的事件類別（unseen type）上。論文提出的方法基於如下假設：”the

前言 這是作業系統學習的第三篇啦，關於程序排程有很多內容，作業系統在排程程序的時候最容易遇到的問題就是死鎖了， 銀行家演算法 是一個典型的避免死鎖演算法。 死鎖的概念 先來了解一下死鎖的基本概

1. 詞向量介紹 在討論詞嵌入之前，先要理解詞向量的表達形式，注意，這裡的詞向量不是指 Word2Vec 。關於詞向量的表達，現階段採用的主要有 One hot representation 和 Dist

如果一個方陣 $A$ 相似於對角陣，即存在可逆矩陣 $P$ 和對角矩陣 $D$，有 $A = PDP^{-1}$，則稱 $A$可對角化 。 定理 5（對角化定理）$n \times n$ 矩

眾所周知，跟蹤器是一種實時追蹤太陽的裝置。通常來說，使用CAD方式可以計算出跟蹤器的最優角度，但是這個方法僅適用於得到一次性的結果。而對於實時變動的各種角度來說，常規的CAD方式則無法滿足跟蹤器專案的實際需求。