← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9319.c · 生成模型:GPT-6

神经分类器不自动等于循环网络

理解等级:中级

书内调用parser.nndep.DependencyParser和CTB_CoNLL模型,可说明神经转移式依存分析接口。官方将其对应Chen和Manning的2014年神经分类器,不能因使用神经网络就称为LSTM。模型架构须由实现或论文确认,不能由类名前缀猜测。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      (2)可以使用多种算法得到依存句法树,这里提供基于LSTM神经网络依存解析器的测试代码。 package edu.stanford.nlp.ademo; import java.io.StringReader; import java.ut

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第06章《句法理论与自动分析》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00011.html) - 结论依据:摘录中关于神经分类器不自动等于循环网络的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:(2)可以使用多种算法得到依存句法树,这里提供基于LSTM神经网络依存解析器的测试代码。 package edu.stanford.nlp.ademo; import java.io.StringReader; import java.ut - 补充核验:[CoreNLP神经依存解析器官方说明](https://stanfordnlp.github.io/CoreNLP/tools_nndep.html):对应Chen与Manning的2014年解析器,不能由神经网络泛称LSTM。