cs224n笔记04-Contextual Word Embeddings
上下文相关的词嵌入 静态词向量的没个词有一个唯一的向量表示，即使具有多个含义的词也只能有一种表达方式。但是上下文相关的词嵌入可以解决一词多义的问题。比较常见的动态词向量训练方法有elmo、bert等 bert使用的是transformer的encoder，任务是mask语言模型和NSP（预测下一个句子） bert的fine-tuning训练方式
相关文章
- 1. CS224n学习笔记 13_Contextual Word Embeddings
- 2. CS224N lecture13 Contextual Word Embeddings
- 3. CS224n笔记：contextual word representation
- 4. CS224N-2019笔记1.Word Vector
- 5. CS224N笔记 Lecture2: Word Vectors and Word Sences
- 6. CS224n笔记——Word Vectors and Word Senses（二）
- 7. CS224n学习笔记 01_Introduction and Word Vectors
- 8. Word Embeddings And Word Sense
- 9. cs224n学习笔记--Subword Models
- 10. cs224n笔记：word2vec
- 更多相关文章...
- • ASP.NET Razor - 标记 - ASP.NET 教程
- • ADO 添加记录 - ADO 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 算法总结-广度优先算法
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. CS224n学习笔记 13_Contextual Word Embeddings
- 2. CS224N lecture13 Contextual Word Embeddings
- 3. CS224n笔记：contextual word representation
- 4. CS224N-2019笔记1.Word Vector
- 5. CS224N笔记 Lecture2: Word Vectors and Word Sences
- 6. CS224n笔记——Word Vectors and Word Senses（二）
- 7. CS224n学习笔记 01_Introduction and Word Vectors
- 8. Word Embeddings And Word Sense
- 9. cs224n学习笔记--Subword Models
- 10. cs224n笔记：word2vec