1.已训练好的词向量//自己训练词向量需要对应领域非常大的文本库，收集处理过程是很费时的，所以使用已有的资源即可。1.1生物方面：http://bio.nlplab.org/
这里的词向量是使用word2vec工具在PubMed和PMC上文本生成的。下载链接：http://evexdb.org/pmresources/vec-space-models/引用论文:Distributional Sem
转载
2024-08-26 00:00:32
64阅读
ACE2005数据预处理注意，个人感觉使用Github:ace-data-prep进行预处理得到的是用于关系抽取的数据，而不是事件抽取。ACE2005数据预处理，指使用Standford NLP Tools对原始的ACE2005进行词性标注、依存关系标注，并将源标注文件(.apf.xml)中的实体间关系标注出来。这项工作的进行通过Github:ace-data-prep提供的代码完成。英文语料预处
(本文由深度学习与NLP编译)本文主要整理了一些与推荐系统相关的高质量的数据集。整理自Stack Overflow、一些文章、推荐站点和学术实验。其中，大多数数据集都是免费、开放的，但有些不是，需要获得许可或引用作者的工作才能使用。此外，其中也包含一些预处理数据，可用于学术实验。链接和数据集描述。Book· 1. Book CrossingBookCrossing(BX)数据集由Cai-Nicol
转载
2024-05-12 15:20:47
78阅读
什么是MMPretrainMMPretrain 是一个全新升级的预训练开源算法框架，旨在提供各种强大的预训练主干网络， 并支持了不同的预训练策略。MMPretrain 源自著名的开源项目 MMClassification 和 MMSelfSup，并开发了许多令人兴奋的新功能。 目前，预训练阶段对于视觉识别至关重要，凭借丰富而强大的预训练模型，我们能够改进各种下游视觉任
Places2 dataset Places2 dataset 总共包含超过1000万张图片，其中包含400多个独特的场景类别。 该数据集每个分类具有5000至30,000个训练图像
原创
2022-11-08 17:11:48
1384阅读
过去一些优秀的模型例如seq2seq架构已经能够实现80%以上的匹配精确度在SQL查询上，但是这些工作实际上是在做语义匹配而非语义解析。现有的语义解析数据集存在两个问题，一个是数据集规模太小，无法训练一个更加现代化的模型，同时单一数据库同时用于训练和测试当中，那任务难度肯定简单很多；二是逻辑形式的SQL标签规模很小，并且每个program中都多多少少存在一些在数
转载
2024-04-22 15:59:23
164阅读
数据集记录了2014年AAAI会议接受论文的元数据
原创
2022-10-17 13:04:58
70阅读
数据集记录了2013年AAAI会议接受论文的元数据
原创
2022-10-17 13:05:15
72阅读
我是微软Dynamics 365 & Power Platform方面的工程师/顾问罗勇，也是2015年7月到2018年6月连续三年Dynamics CRM/Business Solutions方面的微软最有价值专家(Microsoft MVP)，欢迎关注我的微信公众号 MSFTDynamics365erLuoYong ，回复429或者20201219可方便获取本文，同时可以在第一间得到我
转载
2024-07-23 17:43:30
93阅读
写在前面：本系列笔记主要记录本人在阅读过程中的收获，尽量详细到实现层次，水平有限，欢迎留言指出问题~ 这篇文章被认为是深度学习应用于目标检测的开山之作，自然是要好好读一下的，由于文章是前些日子读的，所以仅凭记忆把印象深刻的地方记录一下，许多地方是自己理解，有错误请指出。1. 算法的流程 这篇文章干了一件什么事情呢，就是用selective search生成一堆建议区域，然后把这些建议区
文章目录1.Regionn Proposal Network背景2.Regionn Proposal Network的结构3.Anchors4.Regionn Proposal Network的训练参考资料 1.Regionn Proposal Network背景RPN，Region Proposal Network是中科大与微软亚洲研究院联合培养博士,原Momenta研发总监任少卿与何凯明，R
1. Introduction1.1 区别航空图像区别于传统数据集，有其自己的特点，面临很大的数据集偏差问题，例如导致数据集的泛化能力差：尺度变化性更大（很好理解，如车辆和机场；而且很可能一张大图就一个目标，一个小区域反而有很多密集目标） 密集的小物体检测（如港湾、停车场） * 检测目标的不确定性：方向的随机性和尺度随机性（如桥梁这样极端的长宽比，会使anchor先验的检测效果打折扣）1.2 数据集简介DOTA数据集包含2806张航空图像，尺寸大约为4kx4k，包含15个类别共计18828
原创
2021-08-13 09:29:45
1116阅读
折腾了4days，把foil it find mismathes论文看的差不多了吧，很自大的自己竟然只花一天的时间就给老师讲这篇论文去，然后被老师批回来重新读，哈哈哈哈想想就搞笑这篇论文的目的，就是利用自己扩大数据集（MS-COCO）形成的新数据集，用数据集来测试视觉-语言模型（给模型一张图片，输出对这篇图片的描述） 期间利用3个task来检测这些模型。一、数据集准备1.Generation of
Ndss16 数据集Google Play：492534个中国Android应用程序商店：422505个。91应用市场、安智市场、应用汇、木蚂蚁
整个数据集由600，000多个应用程序组成。Google Play有一个专门的API，用于从商店搜索和下载应用程序，它还需要谷歌帐户凭据来完成这些任务。我们使用了PlayDrone，这是一个开源项目来抓取Google Play [14]。
Google根
1. 写在前面: 本篇属于实战部分，更注重于算法在实际项目中的应用。如需对感知机算法本身有进一步的了解，可参考以下链接，在本人学习的过程中，起到了很大的帮助：【1】统计学习方法 李航【2】Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techiniques to Build
摘要更深的神经网络更难训练。我们提出了一种残差学习框架来减轻网络训练，这些网络比以前使用的网络更深。我们明确地将层变为学习关于层输入的残差函数，而不是学习未参考的函数。我们提供了全面的经验证据说明这些残差网络很容易优化，并可以显著增加深度来提高准确性。在ImageNet数据集上我们评估了深度高达152层的残差网络——比VGG[40]深8倍但仍具有较低的复杂度。这些残差网络的集合在ImageNet测
Tensorflow 基于内部第一代机器学习系统 DistBelief 的第二代机器学习系统。 与 Borg 和 k8s 类似。定位通用场景，通用设备, 通用平台的大规模的机器学习系统TensorFlow 的特点通用平台 : PC(Linux, Windows), 手机(ios, android)，嵌入式设备等等通用目的(general-purpose)的设备 : 支持多种设备，CPU，GPU，T
一、番外说明大家好，我是小P，今天和大家一起学习目标检测领域的经典文章-RCNN，希望大家支持和喜欢。此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群 813221712 讨论交流，进群请看群公告！ 点击链接加入群聊【Object Detection】：https://jq.qq.com/?_wv=1027&k=5kXCXF8二、资料推荐1、本文相关资料推荐注：为方
一、论文所解决的问题现有的关于RNN这一类网络的综述太少了，并且论文之间的符号并不统一，本文就是为了RNN而作的综述二、论文的内容
（0）整体一览由前馈神经网络-》RNN的早期历史以及发展-》现代RNN的结构-》现代RNN的应用（1）前馈神经网络 图1 一个神经元 图2 一个神经网络传统的前馈神经网络虽然能够进行分类和回归，但是这些都是假设数据之间是iid（独立同分
转载
2024-07-23 13:22:23
86阅读
