CS224N

课程笔记1 ： (2019)斯坦福CS224n深度学习自然语言处理课程 by Chris Manning

来源：机器之心文章2019年，自然语言处理公开课开始学了～简介你知道入门自然语言处理（NLP）的「标配」公开课CS224n么，它和计算机视觉方面的课程CS231n堪称绝配，它们都是斯坦福的公开课。
beyourselfwb·2019-03-14 15:04

【笔记3-1】CS224N课程笔记 - 深度自然语言处理

CS224N（一）Introduction深度学习自然语言处理什么是深度学习(DL)?NLP难在哪里?
jessie_weiqing·2019-03-02 18:25

机器学习及NLP学习资源汇总(持续更新)

机器学习及NLP学习资源汇总课程资源pytorchtorchtextBert机器学习Flairtqdm语料及词向量课程资源CS224n:NaturalLanguageProcessingwithDeepLearningCS224U
Leokb24·2019-02-26 14:07

cs224n 笔记15 共指解析

前言cs224n第15讲，讲解了指代消解的概念、传统算法、神经网络算法等相关内容。
刀口木·2019-02-02 14:50

CS224n学习笔记1——深度自然语言处理

一、什么是自然语言处理呢？自然语言处理是计算机科学家提出的名字，本质上与计算机语言学是同义的，它跨越了计算机学、语言学以及人工智能学科。自然语言处理是人工智能的一个分支，在计算机研究领域中，也有其他的分支，例如计算机视觉、机器人技术、知识表达和推理等。目标：让计算机能够理解人类语言来完成有意义的任务，例买东西或者是更高级的目标等。下图是人对语言层次的传统描述：从输入开始，而输入部分通常是语音输入，
SolerHO·2019-01-05 00:00

CS224n NLP句法分析依赖解析深度学习作业笔记

CS224nNLP句法分析依赖解析深度学习之作业笔记句法分析的基础内容请参阅CS224n笔记6句法分析http://www.hankcs.com/nlp/cs224n-dependency-parsing.html
段智华·2018-12-26 11:28

CS224N学习笔记（三）—— 高级词向量表示

一、GloVe模型基于统计的词向量模型以基于SVD分解技术的LSA模型为代表，通过构建一个共现矩阵得到隐层的语义向量，充分利用了全局的统计信息。然而这类模型得到的语义向量往往很难把握词与词之间的线性关系（例如著名的King、Queen、Man、Woman等式）。基于预测的词向量模型则以基于神经网络的Skip-gram模型为代表，通过预测一个词出现在上下文里的概率得到embedding词向量。这类模
DataArk·2018-12-22 13:02

CS224n 词的向量表示word2vec 之cbow（softmax negSampling ）

CS224n词的向量表示word2vec之cbow（softmaxnegSampling）：#!
段智华·2018-12-10 21:26

《CS224n斯坦福课程》-----第三课

学习笔记：cs224n3学习视频：cs224n3学习课件：cs224n3上课的好处，就在于每节课老师都会解决几个问题，跟着老师的思路走，然后就可以清晰知道这节课学习了什么。1，还是继续聊聊word2vec对于word2vec而言，要遍历整个语料库的每个词，然后预测词的上下文的情况，根据损失函数的随机梯度下降，来求解二个词向量的情况。要更新的参数高达|V|*2*m。尤其对于传统的word2vec而言
赵小越·2018-12-07 19:43

cs224n自然语言处理与深度学习笔记 week1

前言本节主要针对斯坦福大学CS224N的自然语言处理与深度学习课程所做笔记,将学习过程中的一些重难点进行记录,方便后续复习什么是自然语言处理自然语言处理是计算机科学,人工智能和语言学的集合,该技术的目的是为了使计算机能够理解语言
hongyesuifeng·2018-12-03 15:53

斯坦福大学-自然语言处理与深度学习（CS224n）笔记 第十课 神经机器翻译（neural machine translation）与attention模型

本课概要1、机器翻译（MT）2、带attention的序列模型3、序列模型解码器（decoder）一、机器翻译（MT）机器翻译是一个十分经典的语言理解的测试，涉及语言分析（languageanalysis）与语言生成（languagegeneration）。机器翻译是一个巨大的商业市场，每年的市场规模达到400亿美元，在欧洲和亚洲都有市场。神经机器翻译（NMT）：神经机器翻译是利用一个巨大的神经网
sansheng su·2018-11-15 17:20

CS224n第一讲

学习对象：CS224n第一讲收获有以下几点：1.WhatisNaturalLanguageProcessing(NLP)?
向精英学习·2018-10-31 15:33

CS224n笔记（一）

skip-grammodel在每一个估算步都取一个词作为中心词汇，尝试去预测它一定范围内上下文的词汇，这个模型会定义一个概率分布：给定一个中心词汇，其他单词在这个词汇上下文出现的概率，作为词汇的向量表示，然后让概率分布最大化。这个模型只有一个概率分布，这个概率分布就是输出，也就是出现在中心词周围的上下文的一个输出，接着我们要定义一个半径m，然后从中心词汇开始到距离为m的位置，用刚刚的概率分布去预测
Adm1rat1on·2018-10-13 16:51

CS224N学习笔记（二）—— Word2Vec

一、如何表示一个词语的意思在计算机中如何表示一个词的意思过去几个世纪里一直用的是分类词典。计算语言学中常见的方式是WordNet那样的词库。比如NLTK中可以通过WordNet查询熊猫的上位词就可以得到“食肉动物”“动物”之类的上位词。也可以查询“good”的同义词——“just”(品格好)、“ripe”（熟了）。panda的上位词，来自于NLTK中wordnet接口的演示good的同义词集语义词
freedom_king·2018-10-09 21:24

2018-09-16机器学习开营课笔记

cs231n,cs224n,cs294,主
今天多云很多云·2018-09-17 00:13

机器学习与深度学习系列连载（NTU-Machine Learning, cs229, cs231n, cs224n, cs294）：欢迎进入机器学习的世界

欢迎进入机器学习的世界本教程是根据台湾大学李弘毅老师的课程机器学习课程，斯坦福大学CS229、CS231N、CS224N、CS20i、伦敦大学学院([UCL-Course])(http://www0.cs.ucl.ac.uk
人工智能插班生·2018-09-02 23:43

依存句法分析到信息抽取

依存句法分析这边还是要放一篇参考博客，网上没有什么靠谱的资料，便花了点时间看了CS224n里面句法分析这一节课。主要讲了判决式句法分析。也是现在主流的句法分析方法。
Ding_xiaofei·2018-07-31 17:33

依存句法分析到信息抽取

依存句法分析这边还是要放一篇参考博客，网上没有什么靠谱的资料，便花了点时间看了CS224n里面句法分析这一节课。主要讲了判决式句法分析。也是现在主流的句法分析方法。
Ding_xiaofei·2018-07-31 17:33

cs224n 第二课：词向量表示 word2vec

作者：deta时间：2018/07/261、计算机中怎样表达每个词的含义了？在英文中，一般用WordNet等分类资源来处理词义，啥意思了？就像我们查中华字典一样，查熊猫的解释是：有胎盘的、活的、哺乳类动物，通过这样一种is-a的关系来处理词义，自己可以装上nltk包跑下课程上的代码：fromnltk.corpusimportwordnetaswnpanda=wn.synset('panda.n.0
ypscut·2018-07-26 20:28

cs224n 第一课：自然语言处理与深度学习

作者：deta时间：2018/07/23以下是斯坦福公开课cs224n自然语言处理与深度学习的第一节课的笔记。主要是用作个人备忘用，能力有限，其中存在的问题欢迎大家包容和指正。
ypscut·2018-07-23 20:11

NLP, 知识图谱参考资源

://cs224d.stanford.edu/CS224d:DeepLearningforNaturalLanguageProcessinghttp://web.stanford.edu/class/cs224n
風起云扬·2018-06-11 19:37

word2vec

word2vec–有道技术沙龙博客-分享有道人的技术思考简单原理介绍：一文详解Word2vec之Skip-Gram模型（结构篇）|雷锋网Word2vec之CBOW模型和Skip-gram模型形象解释-CSDN博客CS224n
青禾ws·2018-05-07 09:43

CS224n (Spring 2017) assignment 2-----2. Neural Transition-Based Dependency Parsing

注：当Buffer不为空时，[ROOT,parse]不能把parse移出去。算法终止的条件是Stack长度为1，Buffer为空。2n,每个词都要进出stack一次，所以每个词两个操作。注：sentence本身就是一个list,另外这里不是传的引用，改变buffer不会改变sentence.注：这个题稍微有些难度，应用到了浅拷贝，通过这个题也能体会到浅拷贝的用途。另外unfinished_pars
技术备忘录·2018-03-20 13:12

CS224n (Spring 2017) assignment 1-----3. word2vec

注：这种问题首先确定各个变量的维度，然后可以按照正常的标量求导法则进行求导（其实在向量或者tensor的情况下多数是jacobian），根据CS231n中的derivative的维度来确定求导后各个变量的维度，最后调整一下维度，使其与最终导数的维度保持统一。Vc的第一项写错了，是乘以U0.就是按照之前推出的公式进行编码normalize:x每个元素都除以各行平方和的平方根。softmaxCostA
技术备忘录·2018-03-08 13:09

CS224n (Spring 2017) assignment 1-----2. Neural Network Basics

注：这里的x是scalar,vector稍微复杂一些。第二种做法：注：注意求导的时候jacobian的维度，第一次就是把维度搞错了（因为这里两个维度都是C*C）,所以导致算了很久的结果。Tensor求导可参考：http://cs231n.stanford.edu/handouts/derivatives.pdf注：这里存在一个问题，sigmoid_grad(s)当s是一个向量或者是矩阵的时候，求导
技术备忘录·2018-03-05 13:34

CS224n (Spring 2017) assignment 1-----1. Softmax

注：实际应用softmax时要减掉最大元素值以保证数值稳定性注：（1）这里要注意numpy的broadcast规则，比如将一个shape为（4,3）的array与一个shape为（3，）的array相加，这里（3，）将扩展为（4,3），将3看成是将要扩展后的array的最后一个维度。（2）第二个红框也要考虑numpy的broadcast的维度，否则2.g会报错。在本题中的情况如下图：上图为x=x-
技术备忘录·2018-03-05 10:08

理解RNN、LSTM、GRU和Gradient Vanishing

最近在学习cs224n:NaturalLanguageProcessingwithDeepLearning课程时，对RNN、LSTM和GRU的原理有了更深一层的理解，对LSTM和GRU如何解决RNN中梯度消失
Vico_Men·2018-03-02 15:04

NLP学习记录：语言模型

学习了cs224n之后，深感这门课更偏深度学习，因此仅学习这门课后NLP基础不足，NLP领域的知识学习并不系统，基础概念不清，感觉对于NLP领域的问题直觉不足，因此开始学习MichaelCollins的
浪漫主义AI·2018-02-17 21:02

CS224n学习笔记：Lecture1 & 2

开始的这部分主要是对DL4NLP的一个简介。个人理解，DL4NLP中，所有层级都是以向量的形式进行处理，用向量表示单词、用向量表示句子等。向量是最灵活的形式，维度自由，可组成矩阵，可组成高维的tensor等。进行NLP等后续任务，首先需要输入。输入来源主要有两个，一个是来自语音speech，一个是来自文本text。对于NLP中，有一个概念需要理解：morphology（形态学）。这个所谓的形态学是
Katherine_C_nlp·2017-12-21 15:01

笔记-cs224n（基于深度学习的自然语言处理）

最近在看cs224n的课程，一来可以复习下深度学习基础知识，二来了解学习下在NLP领域使用较多的深度学习模型（RNN、GRU、LSTM…）。
ZSYGOOOD·2017-12-18 10:54

[NLP]论文笔记-A SIMPLE BUT TOUGH-TO-BEAT BASELINE FOR SENTENCE EMBEDDINGS

ASIMPLEBUTTOUGH-TO-BEATBASELINEFORSENTENCEEMBEDDINGS这篇文章是在学习StanfordNLP&DL（cs224n）过程中课后的一篇推荐论文，看到slides
CristianoJason·2017-09-15 20:39

斯坦福CS224n深度学习与NLP课程开放全部课程视频

课程资料：http://web.stanford.edu/class/cs224n/课程视频：http://t.cn/R6RGxtR斯坦福大学CS224n（全称：深度学习与自然语言处理）是自然语言处理领域很受欢迎的课程
zchang81·2017-08-16 13:19

CS224n笔记1:自然语言处理简介

关键词：自然语言处理（NLP），词向量（WordVectors），奇异值分解（SingularValueDecompositon），Skip-gram，CBOW，负抽样（NegativeSampling），层次Softmax（HierachicalSoftmax），Word2Vec。这章首先主要介绍自然语言处理（NLP）的概念，以及目前工作中所遇到的难点。紧接着，进一步讨论词语（words）的数值
xiiao蜗牛·2017-07-11 23:14

Stanford CS224n: Natural Language Processing with Deep Learning 课程笔记

StanfordCS224n:NaturalLanguageProcessingwithDeepLearning课程主页：http://web.stanford.edu/class/cs224n/已完成的课程作业代码
wiking__acm·2017-06-03 11:01

[斯坦福CS224d课程整理] Natural Language Processing with Deep Learning

CS224d课程：深度学习在自然语言处理上的应用课程官网CS224d:DeepLearningforNaturalLanguageProcessing（Previous）CS224n:NaturalLanguageProcessingwithDeepLearning
zhwhong·2017-01-11 16:18

EM算法入门相关文章翻译与总结-３

http://www.stanford.edu/class/cs224n/handouts/fsnlp-em-slides.pdf MLE     又一个不同的应用场景
·2015-10-30 12:26
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他