Skip to content

Latest commit

 

History

History
executable file
·
203 lines (103 loc) · 3.72 KB

自然语言处理.md

File metadata and controls

executable file
·
203 lines (103 loc) · 3.72 KB
Raw

[TOC]

自然语言处理

列出几种文本特征提取算法

答：文档频率、信息增益、互信息、X^2统计、TF-IDF

RNN

基本原理

  • TODO

RNN 常见的几种设计模式是怎样的？

  • TODO

RNN 为什么会梯度消失？

  • TODO

RNN 为什么会梯度爆炸？

  • TODO

RNN中为什么要采用tanh而不是ReLu作为激活函数？

  • TODO

RNN和CNN对比，RNN对文本的时间序列的优点。

  • TODO

LSTM

LSTM 基本原理

  • TODO

LSTM 怎么能解决梯度消失问题？

  • TODO

LSTM 用来解决RNN的什么问题？

  • TODO

LSTM 和 GRU 区别

  • TODO

RNN、LSTM 和 GRU公式与结构图

  • TODO

深度学习如何提取query特征？

  • TODO

如何比较文本的相似度？

  • 协同过滤相似度
  • 余弦相似度
  • tf-idf相似度
  • 深度学习词向量

如何利用深度学习计算语义相似度？

  • TODO

word2vec

word2vec 基本原理

  • TODO

使用哈夫曼树的原因是什么？

  • TODO

word2vec的输入输出层是什么样的？

  • TODO

word2vec 里面的层次索引

  • TODO

word2vec如何训练的？

  • TODO

如何判断 word2vec 的效果好坏？

  • TODO

介绍一下 Word2vec，CBOW和Skip-gram的区别是什么？

  • TODO

word2vec 和 tf-idf 相似度计算时的区别？

  • TODO

word2vec 和 NNLM 对比有什么区别？（word2vec vs NNLM）

  • TODO

word2vec 负采样有什么作用？

负采样这个点引入word2vec非常巧妙，两个作用，1.加速了模型计算，2.保证了模型训练的效果，一个是模型每次只需要更新采样的词的权重，不用更新所有的权重，那样会很慢，第二，中心词其实只跟它周围的词有关系，位置离着很远的词没有关系，也没必要同时训练更新，作者这点非常聪明。

word2vec 和 fastText对比有什么区别？（word2vec vs fastText）

  • TODO

GRU 和 LSTM、RNN的区别是什么？

  • TODO

Sentence Embedding

  • TODO

SeqSeq

  • TODO

seq2seq-attention原理和公式

  • TODO

Transformer

基本原理

  • TODO

transformer 各部分怎么用？Q K V怎么计算；Attention怎么用？

  • TODO

详细说一下 transformer 的 encoder 过程

如何做文本摘要？

  • TODO

CTC loss公式推导

  • TODO

ELMO

  • TODO

BERT

基本原理

  • TODO

elmo、GPT、bert三者之间有什么区别？（elmo vs GPT vs bert）

  • TODO

XLNet

基本原理

  • TODO

生成式问答解决生成句子多样性的方法

  • TODO

怎么评价生成效果的好坏？

  • TODO

参考资料