论文笔记：NLP

Casrel论文，感谢包括并不限于苏神的各位大牛。 其实我在Github中已经自己实现这个算法并投入使用了，但今天回看代码的时候总觉得有几个地方不对，看了眼别人的实现也是这么写的，干脆回来再通读一遍论

这个博客至今为止都在水一些对基础论文的解读，现在突然开始读Deberta，可以说是非常野蛮了。但奈何接下来的工作要用到，感觉有些工作确实不看论文搞不懂了，也是这两年太摆烂，都没注意Kaggle已经被D

FastText一直在用，但原论文还真没从头到尾正经看过一遍，走起。 简介 文章开头就提出目前在自然语言领域已经有很多性能表现很好的深度学习模型，但这些模型为了取得一个比较好的性能，普遍的训练和推理过

Glove，话说这个模型好像一直没太了解.jpg，补票！ 简介 首先这篇文章一上来就有个地方没看懂，文章说当时的大多数词向量表示是依赖于the distance or angle between pa

2014年的论文，遥想我在2018年工作的时候还以为CNN只能用来做图像（悲）。 作为到现在也经常用的一个模型，还是很有意义的。 背景 文章首先阐述了在当前（论文写作时的那个年代）词向量表示已经在自然

这是一篇2003年的论文，早在当年就提出了基于词语分布构成词向量以克制词袋模型带来的高维诅咒问题。作者希望模型同时学习到：1、词语的分布式表示；2、基于1所给出的词组的概率分布。这样一来，对于训练期间