机器阅读(二)--模型(未完成)
主要包含：传统特征模型、Stanford Attentive Reader、实验结果等
点击阅读全文
PLM's Notes
好好学习，天天笔记
-
-
机器阅读(一)--整体概述
主要包含：机器阅读的起因和发展历史；MRC数学形式；MRC与QA的区别；MRC的常见数据集和关键模型 点击阅读全文 -
BERT 详解
目前最强NLP模型，横扫NLP11项任务。利用Transformer去预训练双向语言模型和NSP任务，再finetune达到了各种任务的最优效果。 点击阅读全文 -
OpenAI GPT：Improving Language Understanding by Generative Pre-Training
使用Transformer(Decoder)预训练单向语言模型，再进行有监督数据进行特定任务finetune 点击阅读全文 -
ELMo：Deep Contextualized Word Representations
ACL2018 Best Paper, 性价比很高的效果提升方法。ELMo: Deep contextualized word representations 点击阅读全文 -
QANet
常年SQuAD榜单排名第一的模型。QANet: Combining Local Convolution with Global Self-Attention for Reading Comprehension 点击阅读全文 -
Transformer
大名鼎鼎的Transformer，Attention Is All You Need 点击阅读全文 -
Bidirectional Attention Flow
阅读理解中很经典很有名的BiDAF模型。 点击阅读全文 -
R-Net (Gated Self-Matching Networks)
微软亚研院和北大的阅读理解模型R-Net。 点击阅读全文 -
Match-LSTM and Answer Pointer
最初的Match-LSTM阅读理解模型。 点击阅读全文 -
强化学习在NLP中的应用
强化学习在自然语言处理中的应用。 点击阅读全文 -
意图识别和槽填充
Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling 点击阅读全文 -
强化学习算法小结
强化学习算法的简单总结，主要包括基于值函数/策略函数的学习方法、Actor-Critic算法。 点击阅读全文 -
基于策略函数的学习方法
基于策略函数的学习方法和Actor-Critc算法。 点击阅读全文 -
基于值函数的学习
基于值函数的学习方法：贝尔曼方程，动态规划、蒙特卡洛、时续差分、Q网络。 点击阅读全文
