文件名称：R-NET-Keras：开放的R-NET实施和详细分析：https：git.iovd8dx
文件大小：8.65MB
文件格式：ZIP
更新时间：2024-02-24 12:15:34
nlp deep-learning keras squad pointer-network
Keras中的R-NET实施 该存储库试图重现在提出的结果。 该报告描述了一个复杂的神经网络，称为旨在回答问题。 描述了详细信息。 R-NET是斯坦福QA数据库上目前最好的单一模型（2017年8月25日）： 。 SQuAD数据集使用两个性能指标，完全匹配（EM）和F1分数（F1）。 在测试集上，人类绩效估计为EM = 82.3％和F1 = 91.2％。 该报告描述了R-NET的两个版本： 第一个称为R-NET (Wang et al., 2017) （指尚未在线提供的论文），并且在测试集上达到EM = 71.3％和F1 = 79.7％。 它由输入编码器，Match-LSTM的修改版本
【文件预览】：
R-NET-in-Keras-master
----models()
--------.gitignore(72B)
----preprocessing.py(5KB)
----parse_data.py(2KB)
----utils.py(1KB)
----data()
--------dev-v1.1.json(4.63MB)
--------train-v1.1.json(28.89MB)
--------.gitignore(72B)
----train.py(3KB)
----predict.py(2KB)
----LICENSE(1KB)
----layers()
--------SelfAttnGRU.py(2KB)
--------Argmax.py(760B)
--------VariationalDropout.py(1KB)
--------QuestionAttnGRU.py(2KB)
--------Slice.py(2KB)
--------helpers.py(707B)
--------__init__.py(315B)
--------PointerGRU.py(2KB)
--------QuestionPooling.py(1KB)
--------WrappedGRU.py(2KB)
--------SharedWeight.py(2KB)
----model.py(6KB)
----.gitignore(37B)
----lib()
--------.gitignore(72B)
----README.md(4KB)
----data.py(6KB)