Wywxring98的博客

原创 刷题打卡第六天

刷题打卡第六天

原创 刷题打卡第五天

刷题打卡第五天

原创 刷题打卡第四天

刷题打卡第四天

原创 刷题打卡第三天

刷题打卡第三天

原创 刷题打卡第二天

刷题打卡第二天

原创 刷题打卡第一天

刷题打卡第一天

原创 11 模拟

牛客网top100之 11 模拟

原创 05 哈希

牛客网Top100之05 哈希

原创 04 堆、栈、队列

牛客网top100之04堆栈队列

原创 03 二叉树

牛客网top100之03二叉树

原创 day02-Pandas

原创 day01_numpy

原创 day01_matploylib

/****date : 2021-11-10**author : wang**course name : 机器学习-数据科学库（HM）**period : 1 ( day01 -day02)**/day01_matploylib脑图：数据分析介绍和环境安装01 【数据分析介绍和环境安装】01数据分析的介绍数据的重要性无可置疑什么是数据分析：将大量数据进行统计和整理，得出结论，为后续决策提供数据支持什么是好的数据分析？数据分析的难度？为什么要数据分析？其实看看课程表不难发现，关于

原创 论文阅读记录

论文阅读Document-Level Relation Extraction with Adaptive Thresholding and Localized Context Pooling Wenxuan3.1 Encoderentity marker techniqueZhang et al., 2017Shi and Lin, 2019Soares 2019BERTclassification of all entity pairsVerga, Strubell, and McCallum 2018W

原创 共指消解自我总结-初级

文章目录入门定义术语分类面向实体共指消解的机器学习综述评价指标应用场景共指消解任务定义分析ModelSpan RepresentationPractical ImplementationResultMethodsHobbs’ naive algorithm (1976)中心理论对数线性模型Simple neural networkMention-Pair ModelEnd-to-end Neural Coreference Resolution (Lee et al., EMNLP 2017)A Large

原创 Transformer（multi-head attention）

文章目录RNN CNN ATTself-attention（K/Q/V）Multi-head Attention顺序问题seq2seq with attentionTransformerTransformer的应用参考文献RNN CNN ATTRNN ，用来解决seq2seq问题，适用于长序列，问题为难以平行化处理。CNN，可以通过不同filter（卷积核）进行平行化处理，但是每个token关注的只是附近的token，难以关心长句子全局关系。ATT， 有非常霸气的文章attention is all

原创 论文阅读2（结合表示学习和多头注意改进生物医学交叉句n元关系抽取）

【论文阅读-BMC Bioinformatics (2020)】Incorporating representation learning and multihead attention to improve biomedical cross-sentence n-ary relation extraction文章目录【论文阅读-BMC Bioinformatics (2020)】Incorporating representation learning and multihead attention t

原创 LSTM各变体总结

文章目录RNNLSTMBiLSTMTree-LSTMGraph LSTMGS-GLSTMSENTENCE LSTMLSTM-CNNRNN递归神经网络（RNN）是两种人工神经网络的总称。一种是时间递归神经网络（recurrent neural network），另一种是结构递归神经网络（recursive neural network）。时间递归神经网络的神经元间连接构成矩阵，而结构递归神经网络利用相似的神经网络结构递归构造更为复杂的深度网络。RNN一般指代时间递归神经网络。RNN（RNN是一种线性神

原创 Few-shot Relation Extraction via Bayesian Meta-learning on Relation Graphs

【论文阅读-ICML2020】Few-shot Relation Extraction via Bayesian Meta-learning on Relation Graphs目录【论文阅读-ICML2020】Few-shot Relation Extraction via Bayesian Meta-learning on Relation Graphs新知识点Few-shotSiamese networkBayesianBayesian Meta-learningAbstract新知识点Few-