来自|NAACL 2018
编译|深度学习这件小事
作者|Claire Gardent 、Shashi Narayan
目前,深度学习模型已成功应用于各种文本生成任务。在本教程中,我们将介绍用于文本生成的深度神经网络模型的基础知识和最新研究进展。 每个文本生成任务都会有略微不同的目标(例如,在总结一篇文章时,如何正确检测和合并相关信息;或是在由数据生成文本的任务中,如何正确生成捕获了输入信息的格式正确的文本等)。 我们将概述特定于每个子任务的约束,并分析相应的神经网络模型。
本教程将回顾文本生成的深度学习方法,包括文本到文本和数据到文本的转换,旨在为大家构建良好的文本生成知识体系,并提供技术路线图,让大家更容易从相关工作上手。
资源获取方式
-
点击“阅读原文”直达资源
-
或在输入关键词“DLATP”获取链接
教程大纲
部分内容预览
—完—
为您推荐
这些Python代码技巧,你肯定还不知道
手写二叉树?程序员面试最常见问题TOP 48
「高能预警」 一大波学习资料正在来袭!
深度学习模型超参数搜索实用指南
本篇文章来源于: 深度学习这件小事
本文为原创文章,版权归知行编程网所有,欢迎分享本文,转载请保留出处!
你可能也喜欢
- ♥ 图解谷歌神经机器翻译核心部分:注意力机制03/14
- ♥ 教程 | 仅需六步,从零实现机器学习算法!03/06
- ♥ 图像分割深度学习从零开始学习路线05/02
- ♥ 李航教授展望自然语言对话领域:现状与未来02/26
- ♥ 万能的BERT连文本纠错也不放过01/18
- ♥ 一文简述深度学习优化方法——梯度下降02/25
内容反馈