文件名称:
SentAugment:SentAugment是NLP的一种数据增强技术,可以从大量的句子中检索相似的句子。它可以与自我训练和知识提炼结合使用,或用于获取复述。-源码
开发工具:
文件大小: 222kb
下载次数: 0
上传时间: 2021-03-18
详细说明:已发送
SentAugment是用于NLP中半监督学习的一种数据增强技术。它使用最新的句子嵌入来构造大量句子的信息。然后,大型句子嵌入空间可用于检索任何语言理解任务的域内未注释句子,从而可以利用诸如自我训练和知识提取之类的半监督学习技术。这意味着您无需使用半监督学习技术就可以假设无注释句子的存在。在我们的论文《,我们表明SentAugment与自我训练或知识提炼结合使用时,可以在多种语言理解任务上获得巨大收益。
依存关系
I.大型句子库
我们的方法基于大量的CommonCrawl网络句子。对于半监督学习NLP方法,我们使用SentAugment来过滤特定于域的未注释数据。可以在找到此数据并且可以通过存储库从CommonCrawl恢复该数据。它由50亿个句子组成,每个文件包含1亿个句子。例如,我们将使用第一个文件中的100M个句子:
mkdir data && cd data
wget
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度。
- 本站已设置防盗链,请勿用迅雷、QQ旋风等多线程下载软件下载资源,下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
- 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.