【论文笔记】Character-Aware Neural Language Models
一、概要 该文章发于AAAI 2016，作者提出了仅建立在字符输入，预测在词水平上进行的一个神经语言模型（NLM）。当输入一个LSTM循环神经网络语言模型（RNN-LM）时，该模型在字符上启用了一个卷积神经网络（CNN），让该CNN的输出通过一个 Highway Network，使得效果得到进一步提升。该模型非常适用于形态丰富的语言上，因为其可以获取到丰富的语义和拼写信息。 二、模型方法 2.
相关文章
- 1. Character-Aware Neural Language Models
- 2. (32)[AAAI16] Character-Aware Neural Language Models
- 3. 论文阅读：《A Primer on Neural Network Models for Natural Language Processing》（一）
- 4. 论文阅读：《A Primer on Neural Network Models for Natural Language Processing》（二）
- 5. 论文笔记：On the Strength of Character Language Models for Multilingual Named Entity Recognition
- 6. 论文笔记：Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context
- 7. 论文笔记：Neural Collaborative Filtering
- 8. A Neural Probabilistic Language Model笔记
- 9. Lecture 6: Language Models and Recurrent Neural Networks
- 10. 论文笔记：Fast Neural Architecture Search of Compact Semantic Segmentation Models via Auxiliary Cells
- 更多相关文章...
- • RSS
元素 - RSS 教程 - • ASP.NET Razor - 标记 - ASP.NET 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Scala 中文乱码解决
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Character-Aware Neural Language Models
- 2. (32)[AAAI16] Character-Aware Neural Language Models
- 3. 论文阅读：《A Primer on Neural Network Models for Natural Language Processing》（一）
- 4. 论文阅读：《A Primer on Neural Network Models for Natural Language Processing》（二）
- 5. 论文笔记：On the Strength of Character Language Models for Multilingual Named Entity Recognition
- 6. 论文笔记：Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context
- 7. 论文笔记：Neural Collaborative Filtering
- 8. A Neural Probabilistic Language Model笔记
- 9. Lecture 6: Language Models and Recurrent Neural Networks
- 10. 论文笔记：Fast Neural Architecture Search of Compact Semantic Segmentation Models via Auxiliary Cells