首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    将句子表示为向量(上):无监督句子表示学习(sentence embedding)

    word embedding技术如word2vec,glove等已经广泛应用于NLP,极大地推动了NLP的发展。既然词可以embedding,句子也应该可以(其实,万物皆可embedding,Embedding is All You Need ^_^)。近年来(2014-2018),许多研究者在研究如何进行句子表示学习,从而获得质量较高的句子向量(sentence embedding)。事实上,sentence embedding在信息检索,句子匹配,句子分类等任务上均有广泛应用,并且上述任务往往作为下游任务来评测sentence embedding的好坏。本文将介绍如何用无监督学习方法来获取sentence embedding,是对近期阅读的sentence embedding论文笔记的总结(https://github.com/llhthinker/NLP-Papers#distributed-sentence-representations)。欢迎转载,请保留原文链接https://www.cnblogs.com/llhthinker/p/10335164.html

    02

    c++程序员必知必会的技术,推荐你们一份qt书单

    Qt是软件开发领域中非常著名的C++可视化开发平台。本书以Qt 5.11为平台,介绍Qt和QML编程及其应用开发。全书分为5个部分。第1部分为Qt基础,在上一版的基础上增加了Qt操作表格处理软件Excel数据和字处理软件Word数据的内容。第2部分为Qt综合实例,重新设计了电子商城系统、MyWord字处理软件、微信客户端程序。第3部分为Qt扩展应用OpenCV,首先配置OpenCV-3.4.3,然后介绍典型图片处理。第4部分为QML和Qt Quick及其应用,介绍了QML及Qt Quick相关内容,【综合实例】为多功能文档查看器。第5部分为附录,介绍了C++相关知识和Qt 5简单调试。本书提供配套的视频,分析典型案例,通过扫描二维码播放。为了方便读者上机练习,书中实例提供源代码,其编号为CH×××。源代码及其工程文件可从华信教育资源网(http://www.hxedu.com.cn)免费下载。本书既可作为Qt 的学习和参考用书,也可作为大学教材或Qt 5培训用书。

    00
    领券