文件名称：简单有效的文本匹配：ACL2019论文“具有更丰富的对齐功能的简单有效的文本匹配”的源代码
文件大小：182KB
文件格式：ZIP
更新时间：2024-02-24 12:12:43
nlp deep-learning tensorflow snli quora-question-pairs
RE2 这是ACL 2019论文的原始Tensorflow实现。 Pytorch实施： : 。 快速链接 简单有效的文本匹配 RE2是用于通用文本匹配应用程序的快速而强大的神经体系结构。 在文本匹配任务中，模型将两个文本序列作为输入并预测它们之间的关系。 该方法旨在探讨在这些任务中什么足以增强性能。 它简化或省略了许多缓慢的组件，这些组件以前被视为文本匹配中的核心构建块。 它通过一个简单的想法来实现其性能，该想法保持了三个可直接用于序列间对齐和融合的关键特征：先前的对齐特征（ R残留向量），原始的点向特征（ E嵌入向量）和上下文特征（ E编码器输出）。 RE2在自然语言推理，释义识别和
【文件预览】：
simple-effective-text-matching-master
----.gitignore(64B)
----README.md(6KB)
----figure.png(149KB)
----configs()
--------robustness.json5(2KB)
--------main.json5(701B)
--------ablation.json5(4KB)
--------debug.json5(261B)
--------default.json5(2KB)
--------data()
----train.py(1KB)
----LICENSE(11KB)
----evaluate.py(959B)
----src()
--------utils()
--------interface.py(5KB)
--------trainer.py(6KB)
--------model.py(11KB)
--------evaluator.py(2KB)
--------__init__.py(0B)
--------modules()
--------network.py(2KB)
----requirements.txt(63B)
----data()
--------prepare_quora.py(1KB)
--------prepare_wikiqa.py(1KB)
--------prepare_snli.py(2KB)
--------prepare_scitail.py(2KB)