专栏名称: PaperWeekly
PaperWeekly是一个分享知识和交流学问的学术组织,关注的领域是自然语言处理的各个方向。我们热爱知识,分享知识,希望通过我们大家的努力为自然语言处理的发展做出一点点贡献。我们每周会分享一期特定话题的论文笔记和本周值得读的相关论文。
目录
相关文章推荐
实验万事屋  ·  博士生发了这12.4分的免疫微环境的文章!看 ... ·  17 小时前  
弗雷赛斯  ·  优秀!211博士生,发Science封面!曾 ... ·  3 天前  
研之成理  ·  包信和院士/潘秀莲/焦峰团队Angew: ... ·  3 天前  
51好读  ›  专栏  ›  PaperWeekly

第4期Talk实录 | 基于知识库的问答

PaperWeekly  · 公众号  · 科研  · 2017-04-06 15:06

正文

本文为 4 月 5 日,复旦大学知识工场实验室 —— 崔万云博士 在第 4 期 Talk 中的直播分享材料和 QA 问答。


> > > >

获取完整PPT


关注“Paperweekly”微信公众号,回复“ 20170405 ”获取下载链接。


Q & A


Q

请问崔博士,在 EntityLink 部分可以推荐一些比较好的 link 工具吗?

崔万云

应该还没有特别好的,我们在自己实现。不过有大量的相关文献。英文也有现成的应该。中文的必须自己实现。可以搜一下 gerhard weikum 在 sigmod 的一个教程,里面有提到。

Q

请问一下,在基于多粒度的神经网络模型中,没一种特征采用了不同粒度的表示,请问在用不同粒度表示的向量在 merge 的时候是直接 concatenate 还是加权求和,或者其他?如果是加权的话,对于不同的粒度表示的权重是否需要学习,还是根据经验设定?

崔万云

先串行,上面再接一层,学习融合参数。


Q

QA 的两种解法:模板和深度学习,工业界有没将这两个混合的,模板用来保证可控,神经网络用来扩召回?

崔万云

这个我不是特别清楚。融合起来就很难保证可控了。


Q

请问下,如果想做知识图谱的 Demo,怎么着手呢?

崔万云

知识图谱 demo 是指图像还是还是数据存储?可以先参考 cndbpedia 设计。


Q

请教下,多粒度 dnn 的训练数据是如何生成的,比如从 cn db 生成?







请到「今天看啥」查看全文