新闻中心 NEWS CENTER
公司新闻
您现在的位置:首页 > 新闻中心 > 公司新闻
正泰线缆队伍成长中!

1)模型训练中只能使用主办方提供的数据,包括有标注语料、无标注语料、翻译结果、词向量等。不得使用其它数据或预训练模型。

2)如果需要预训练词向量,只能使用fasttext预训练的词向量模型。

3)如果需要使用翻译模型或翻译语料,只能使用主办方提供的翻译结果。

4)理论上选手们可以用主办方提供的平行语料训练出一个翻译模型,此类方

deepsmart团队成员介绍:

罗志鹏(getmax):微软bing搜索广告算法工程师,北京大学软件工程专业硕士,专注于深度学习技术在nlp,广告相关性匹配,ctr预估等方面的研究及应用。

黄坚强(jackstrong):北京大学软件工程专业硕士在读,擅长特征工程、自然语言处理、深度学习。

孙浩(fastdeep):微软bing搜索广告部门首席开发工程师,专注于机器学习与深度学习在搜索广告和推荐算法领域的创新和应

刘志豪(lzh0115):华中科技大学自动化学院控制科学与工程硕士在读,主要研究方向图像识别、zero-shotlearni

团队成员曾经获奖记录:

neurips2018automl(phase1)

kddcup2018(second24-hourpredictiontrack)

kddcup2018(last10-daypredictiontrack)

weiboheatprediction

shanghaibotbigdataapplicationcompetition

daguantextclassification

以下为deepsmart团队成员罗志鹏的夺冠心得和详细方案解读:___l

导语:讲者梳理了神经模型在关系抽取中的发展脉络,并分享相关领域的最新

ai/open/course/548?=leiphone

分享主题:神经关系抽取模型深度学习在关系抽取上的发展脉络。

基于注意力机制的神经关系抽取模型的剖析。

相关领域的最新工作进展的介绍。

雷锋网(公众号:雷锋网)ai研习社将其分享内容整理如下:

今天主要讲关系抽取领域的神经模型的发展近况,首先,给大家科普一下背景

关系抽取属于信息抽取领域的子任务,主要的功能是让机器从一句话

在传统任务当中,我们会把关系抽取当作分类过滤器,先人为定义好关系,接着输

到了2013年,神经网络模型被运用到关系抽取领域里,也就是将句子作为特征放到神经网络里,通过神经

为了解决这个问题,远程监督的概念应运而生,它引入了这么一个假设:两个实体如果在外部的知识图

远程监督的优势在于无需人工操作,且能普适大规模数据,然而却面临着噪音问题。

第一个方法是引入多实例学习,将所有包含同样实体的句子放到一个包(bag)里,在有需要时

这是我们实验室一个学长在2016年开展的一项工作,主要针对多实例学习中存

【更多关于注意力机制模型的运作原理,请回看视频00:16:53处,a

从实验结果上看,添加注意力机制确实可以有效提升模型的效果。(黑线为增加了

从2016年开始,关系抽取领域的关键模型在原来的远程监督+多实例学习+

二、引入软标注机制为了解决错误标注的问题。

导语:在这种类型的竞赛和问题中,特征工程和特征选择是最重要的。雷锋网ai

此次比赛的评测指标采用的是auc,要求参赛人员或队伍对测试集的每个sk

冠军团队成员之一bojantunguz在kaggle上发表了这支团队的具

比赛冠军队伍方案根据我之前信用担保的经验,不得不承认这个问题是应用机器学习领域中

插一句,credit和kaggle提供的这个数据集非常赞,既不会泄露用户隐私,且易于进行机器学习。

基于对信用担保的了解,通常来说,很显然,这种类型的机器学习问题要构建一个很

我们使用的第一个比较大的特征集合是在许多kernel中找到的。这些特征在多对一的表格上采用不同形式聚合,另外还有申请贷款次数特征。我们一共使用了大约700个特征。跟许多人

previous_acsv聚合了最近的3、5次和起初的2、4次申请信息。这

agglekaggle本专题为雷锋网的kaggle专题,内容全部来自雷锋网精心选择与kaggle相关的最近资讯,雷锋网读懂智能与未来,拥有kaggle资讯的信息,在这里你能看到未来的世界。

进入kaggle竞赛前2%的秘诀吸引7198支队伍参赛,看kaggle信用

导语:现在的闲聊机器人在对话的互动性、一致性以及逻辑性上都还存在着一些亟

近日的ai研习社大讲堂上,来自清华大学的王延森分享了一篇收录

ai/open/course/532

分享主题:如何利用提问增强开放领域对话系统互动性开放领域对话系统的发展现

利用提问解决开放领域对话系统中存在的互动性问题的可行性与核心思路

上一篇: NuTonomy自动驾驶 下一篇: 无