KO
|
EN
gitlite — search
Search
#python
#java
#python3
#arduino
#golang
#machine-learning
#rust
#html
#flask
#javascript
#seismology
#nodejs
Sohu
★ 10
Open GitHub ↗
No description available.
Download README (.md)
Explore Similar Repositories
AnimeGAN
:
A Deep Convolutional Generative Adversarial Network to generate Faces of Anime Characters
brainfk
:
The World Famous Optimizing Brainfk Interpreter (With a JIT) ™
text-normalisation
:
JS / Python3 / PHP Lib to work with UTF8 polytonic greek and latin
Memristor-NN
:
No description available.
CortexCellDeconv
:
No description available.
// repository documentation
Was this content helpful?
★ 0
(0 ratings)
Select Rating:
★
★
★
★
★
Submit Feedback
Recent Feedback
×
Download README
Do you want to download the
README.md
file for
Sohu
?
Download (.md)
# Sohu 重要实体抽取 情感为实体的0.6左右，但是是队友的代码，不开源 菜鸟开源 综合成绩0.44336 # 1 SouhuNER （1）自己写的一个传统的Bi-LSTM-CRF NER模型，可能和主流代码都差不多 （2）基于字，random Embedding 和 BERT的Pre_train （3）实体结果应该在0.43-0.44之间（没有优化） # 2 SohuSummary （1）偷懒，不想做管道模型，想做端到端的关键实体抽取，于是做了一个Seq2Seq （2）基于字，random Embedding 和 BERT的Pre_train （3）实体结果应该在0.46-0.47之间（没有优化） # 3 Bert_Souhu （1）没办法，BERT太强大，没有用Google的BERT源码，而是第三方的一个包，感觉只要跑完就有0.54的分数 （2）基于BERT的fine_tuning （3）实体结果应该在0.54-0.56之间 # 想法： （1）没有卡就不要打比赛了，靠一张1080苟活到现在 （2）还是要看一下讨论区，闭门造车死得惨 （3）一开始偷懒了，想做一个端对端的模型。所以没考虑实体的重要性如何去做，之后实在太赶，就没做了，取前三效果也不错。 （4）BERT大法好（当然有机会想看以下前排大佬的代码） # 注意： 有的地方代码看似来很愚蠢，代码没有润色就上传了，可能把许多文件合并在一起。所以读写文件读了很多次，我是面向脚本编程的！
