放牧代码和思想
专注自然语言处理、机器学习算法
    恕不接待索要源码语料者、索求技术方案者、以及不Google的懒人。

hankcs的文章

依存句法分析在深度学习中的应用
自然语言处理

依存句法分析在深度学习中的应用

hankcs阅读(278)评论(0)

句法分析是一项核心的NLP任务,目标是获取句子的主谓宾等句法结构。下级应用时,给定依存句法树,传统时代利用规则提取句法树的特征;在深度学习时代,如何提取树的向量表示?本文调研了7种常用模型,涵盖Tree RNN、DCNN和GCN等。 Tre...

语义依存分析SDP格式
语义分析

语义依存分析SDP格式

hankcs阅读(2164)评论(1)

本文是对SDP格式的官方文档的举例说明。对句子: More than a few CEOs say the red-carpet treatment tempts them to return to a heartland city for...

中文语义依存分析语料库
自然语言处理

中文语义依存分析语料库

hankcs阅读(4022)评论(3)

本文介绍语义依存的语言学知识以及BH中文语义依存语料库的标注规范。 给定一个句子,语义依存分析(Semantic Dependency Parsing,SDP)任务试图找出所有在语义上有所关联的词语对,并且预测相应的语义标签。在中文界,最有...

Wu Manber多模式匹配算法
算法

Wu Manber多模式匹配算法

hankcs阅读(11435)评论(2)

AC自动机中,转移的最小单位是一个字符。也就是说,匹配后只能移动一个字符,复杂度是线性的$O(n)$。然而线性并非最快,Boyer-Moore算法在匹配后可以跳过多个字符,比线性还快。据说在实践中,利用Boyer-Moore优化的AC自动机...

Structural Learning with Amortized Inference
机器学习

Structural Learning with Amortized Inference

hankcs阅读(2368)评论(0)

Chang et al. 2015提出加速结构化学习的近似算法AI-DCD,通过缓存整数线性规划中相似的问题及解,减少对ILP solver的调用次数,从而加速训练,同时不损失精度。 平摊推断 记$\mathbf{y}=\{y_1,y_2,...

简单有效的多标准中文分词
中文分词

简单有效的多标准中文分词

hankcs阅读(5449)评论(13)

本文介绍一种简洁优雅的多标准中文分词方案,可联合多个不同标准的语料库训练单个模型,同时输出多标准的分词结果。通过不同语料库之间的迁移学习提升模型的性能,在10个语料库上的联合试验结果优于绝大部分单独训练的模型。模型参数和超参数全部共享,复杂...

宾州树库和CTB的Python预处理脚本
句法分析

宾州树库和CTB的Python预处理脚本

hankcs阅读(2939)评论(5)

在写句法分析器之前,通常需要将PTB和CTB预处理为: 一行一个句子,单文件; 符合规范比例的训练集/开发集/测试集; 去掉CTB中的xml标签,只保留句子,编码转换。 这些步骤很麻烦,因为通常bracketed的树形结构需要先解析才能转为...

深度学习中文分词调研
中文分词

深度学习中文分词调研

hankcs阅读(4856)评论(19)

随着深度学习的普及,有越来越多的研究应用新模型到中文分词上,让人直呼“手快有,手慢无”。不过这些神经网络方法的真实水平如何?具体数值多少?以Sighan05中的PKU数据集为例,真像一些论文所言,一个LSTM-CRF就有96.5%吗?或者像...

我的作品

HanLP自然语言处理包《自然语言处理入门》