想法来源：文章从分布式假说和这些工作中得到灵感，将预测输入句上下文的问题重构为一个分类问题，提出了一种简单高效的句子表示学习框架：给定一个句子和它出现的上下文，分类器根据其向量表示将它从一系列对比句中挑选出来。
价值：对比Skip thought，在性能上提升了很多，performance也有提升
方法：那原本的decoder问题，改造成了一个分类问题。
缺点：计算成本过高。
详细方案：
Origin skip thought:
image
image
image
image
数据集：
1.BookCorpus dataset
2.UMBC
实验：
downstream task
1.1 无监督方法
image
1.2 有监督方法
image
image
最近邻case
image
2018 · ICLR · AN EFFICIENT FRAMEWORK FOR LEARNING SENTENC...
2017 · ICLR · EFFICIENT VECTOR REPRESENTATION FOR DOCUMEN...
Tomas Mikolov2013年在ICLR提出用于获取word vector的论文《Efficient est...
2018 · ICLR · A NEW METHOD OF REGION EMBEDDING FOR TEXT C...
2018 · ICLR · SKIP RNN: LEARNING TO SKIP STATE UPDATES IN...
2201.30cgm.--Gao Huang, RANet (ICLR 2018).[https://arxiv....
论文原文：Evaluating the Robustness of Neural Networks: An Ext...
efficient If a product is efficient, it can work well wit...
Efficient. If a product is efficient, it can work well wi...
1)ICLR the international conference on learning represent...
本文标题：2018 · ICLR · AN EFFICIENT FRAME
本文链接：https://www.haomeiwen.com/subject/rwbcoftx.html
网友评论