“2014-1-20 summary-team”版本间的差异
来自cslt Wiki
| （相同用户的一个中间修订版本未显示） | |||
| 第1行： | 第1行： | ||
| − | |||
我根据大家的wiki staus总结了我们目前做的几个方向及状态，其中只包括大家在这几个方向上的工作，其它的未列出。 | 我根据大家的wiki staus总结了我们目前做的几个方向及状态，其中只包括大家在这几个方向上的工作，其它的未列出。 | ||
这份总结仅供 王老师和我们查看整个组的进度，这样大家可以互相学习，共同进步。有什么遗漏或者错误的地方，欢迎大家指出。 | 这份总结仅供 王老师和我们查看整个组的进度，这样大家可以互相学习，共同进步。有什么遗漏或者错误的地方，欢迎大家指出。 | ||
2014年2月6日 (四) 05:25的最后版本
我根据大家的wiki staus总结了我们目前做的几个方向及状态，其中只包括大家在这几个方向上的工作，其它的未列出。 这份总结仅供 王老师和我们查看整个组的进度，这样大家可以互相学习，共同进步。有什么遗漏或者错误的地方，欢迎大家指出。
一 word2vec train
1.Google wor2vec 已经训练完词和字的向量 ==梦圆
语料：人民日报4.0
分词：20w+scw
状态： 完成
2.Huang 增强语义的词向量训练==富合
语料：人民日报4.0
分词： 20w+scw
状态：数据准备，今晚可训练
3.C&W-Tuian 词向量训练 ==梦圆
语料：人民日报4.0
分词：20w+scw
状态：代码整理中,正在安装相应的库
4.cslm（NNLM）字的ngram==刘荣
语料：500M from QA-Corpus
参数：9-ngram+12134字+p258h384
状态：已经完成，准备测试Nbest
二 word2vec application
1.SENA ==晓曦
状态：已经熟悉Sena Toolkit
三 QA-book
1.基于FST的模板匹配==赵芳
状态：已经完成相应的文献查阅，进行算法设计和构图中。
四 n-gram
1.QA-Music 的语言模型构建==学升
语言模型：增加2000歌手和5000歌曲+150M音乐问题语料
状态：完成，已经将Nbest提供给谭彻；最后的效果达到7.8%（wer）
五 学习
1. 最大似然估计和EM算法学习==小白
状态：大家已明白，感谢小白
2. Improving word representations via global context and multiple word prototypes==富合
状态：还有需要解决的问题，一词多向量的具体公式和训练。感谢富合
3. sena 中的词向量在NLP的应用 ==晓曦
状态：已经明白，感谢晓曦
总结：
1. 感谢大家这么辛苦的工作，使得我们的进度很快，同时大家也共同学习到了很多知识，感谢大家和王老师。
2. 上次开会时，王老师给我们了一些方向和建议。我整理了一下：
2.1 训练词向量的方法整理。由于目前大家做了一些的训练工作，大家整理自己相关的方法（论文），发给小白，给大家整理一下。其中，
googleword2vec由赵芳，梦圆和刘荣整理；
cslm(NNLM) 刘荣
Huang==富合
C&W-Tuian==梦圆
Sena==晓曦
当然很有很多，大家看到就收集一下，我们一块学习。感谢小白。
2.2 基于词向量的分词算法探究==晓曦
其中，有一篇中文论文或许对你有帮助：”基于表示学习的中文分词算法探索“，在共享空间-公开/paper/word2vec application
2.3 word2vec的测试平台（基于sena）==晓曦
测试我们目前已经训练的中文词向量的效果，感谢晓曦。
以上是上周五的一些方向，也是我们的基础。当然中文词向量的训练，我们也要继续。晓曦的任务比较多，辛苦了。
部分同志这周就要回家了，不过我们还是要努力把目前的工作弄完，在年前有个好的基础。同时，大家回家一路顺风。
致谢！
刘荣
