关于 lomo窝_网赌输了千万别想翻本1001网赌输了千万别想翻本 的搜索结果,共1209
1****6 2018-07-10
情感分析
卷积神经络文分类模型 对于一般的短文分类问题,上文所述的简单的文卷积络即可达到很高的正确率[1]。若得到更抽象更高级的文特征表示,可以构建深层文卷积神经络[2,3]。 循环神经络(RNN) 循环神经络是一种能对序列数据进行精确建模的有力工具。实际上,循环神经络的理论计算能力是图灵完备的[4]。自然语言是一种典型的序列数据(词序列),近年来,循环神经络及其变体(如long short term memory[5]等)在自然语言处理的多个领域,如语言模型、句法解析、语义角色标注(或一般的序列标注)、语义表示、图文生成、对话、机器译等任务上均表现优异甚至成为目前效果最好的方法。 图2. 循环神经络按时间展开的示意图 循环神经络按时间展开后如图2所示:在第tt时刻,络读入第tt个入xtxt(向量表示)及前一时刻隐层的状态值ht−1ht−1(向量表示,h0h0一般初始化为00向量),计算得出时刻隐层的状态值htht,重复这一步骤直至读完所有入。
1****6 2018-07-10
反向图灵测试——如何识这是不是AI?
我用一个周末琢磨出来点门道,我根不出这个演示程序是不是AI,更无法确认这是不是深度学习程序。这就引出今天的议题,图灵测试指的是人类能否区是不是和AI在聊天,那反过来看,我们怎么识“这个东西”是不是个AI? 首先我为什么说“这个东西”而不是“这个程序”?因为某些大堂机器人确实背后是人类操控的,相当于你用一个安卓平板和我视频聊天,特聪明还必须联的机器人可能就是真人。但有些真AI如Siri也要联,通过联AI。 上有个笑话,我把QQ自动回复设置成“呵呵”,你可以和我的电脑就任何话题聊上一夜。很多智能客服只是简单的关键字匹配,和呼叫中心搜索知识库差不多,编辑回复模板远比写程序更重要。只有支持多层级对话的才是AI智能客服,但现在店客服也可以混在AI的回答里回答客户啊,熟练客服回信息效率极高,顾客以为面对的是AI程序反而会少提需求。 虽然深度学习常拿自然语言处理举例,但成熟的译软件也不用AI。译软件出现有几十年,常用的单词和短语BTW/WTF/OMG用大词库即可,用户大脑会做二次语意加工。
c****2 2018-07-10
个性化推荐(一)
考虑到softmax分类的类数非常多,为保证一定的计算效率:1)训练阶段,使用负样采样将实际计算的类数缩小至数;2)推荐(预测)阶段,忽略softmax的归一化计算(不影响结果),将类打分问题简化为点积(dot product)空间中的最近邻(nearest neighbor)搜索问题,取与uu最近的kk个视频作为生成的候选。 排序络(Ranking Network) 排序络的结构类似于候选生成络,但是它的目标是对候选进行更细致的打分排序。和传统广告排序中的特征抽取方法类似,这里也构造大量的用于视频排序的相关特征(如视频 ID、上次观看时间等)。这些特征的处理方式和候选生成络类似,不同之处是排序络的顶部是一个加权逻辑回归(weighted logistic regression),它对所有候选视频进行打分,从高到底排序后将分数较高的一些视频返回给用户。 融合推荐模型 节会使用卷积神经络(Convolutional Neural Networks)来学习电影名称的表示。下面会依次介绍文卷积神经络以及融合推荐模型。
TOP