DeepLearn

Deeplearn

Добро пожаловать в Deeplearn. Этот репозиторий содержит реализацию следующих исследовательских работ по NLP, CV, ML и Deep Learning.

 - Latest Update : Added _deeplearn_utils modules. Check the releases for description of new features.

[1] Корреляционные нейронные сети . CV, Transfer Learning, Learning Learning. код

[2] Рассуждение с нейронными тензорными сетями для завершения базы знаний . NLP, Ml. код

[3] Общее обучение представлений с использованием пошаговой корреляции мультимодальной CNN . CV, Transfer Learning, Learning Learning. код

[4] ABCNN: основанная на внимании сверточную нейронную сеть для моделирования пар предложений. NLP, глубокое обучение, сопоставление предложений. код

[5] Учимся ранжировать короткие текстовые пары с сверточными глубокими нейронными сетями. NLP, глубокое обучение, CQA. код

[6] Объединение нейронных, статистических и внешних функций для идентификации позиций поддельных новостей. NLP, IR, глубокое обучение. код

[7] Wikiqa: набор данных задачи для ответа на вопрос с открытым доменом. NLP, глубокое обучение, CQA. код

[8] Сиамская рецидивирующая архитектура для сходства с предложением. NLP, сходство предложения, глубокое обучение. код

[9] Архитектура сверточной сети нейронной тензорной сети для ответа на вопросы сообщества. NLP, глубокое обучение, CQA. код

[10] Map-Reduce для машинного обучения на многократном. Карта-восстановление, Hadoop, Ml. код

[11] Учебные машины для чтения и понимания. NLP, глубокое обучение. код

[12] Улучшенное обучение для представления для вопросов Ответ Сопоставление. NLP, глубокое обучение, CQA. код

[13] Внешние функции для ответа на вопросы сообщества. NLP, глубокое обучение, CQA. код

[14] Идентификация языка и устранение неоднозначности в индийском смешанном сценарие . NLP, IR, Ml. код

[15] Строительство полуавтоматической модели для поиска часто задаваемых вопросов через услугу коротких сообщений . NLP, IR, Ml. код

Зависимости:

Требуемые зависимости упоминаются в требовании .txt. Я также буду использовать DL-текстовые модули для подготовки наборов данных. Если вы не использовали его, пожалуйста, посмотрите на это.

$ pip install - r requirements . txt