文件名称：NaturalLanguageRecommendations:从自然语言中获取建议
文件大小：63.43MB
文件格式：ZIP
更新时间：2024-04-01 10:03:44
JupyterNotebook
自然语言建议：完全使用嵌入和转换器模型开发的新颖的研究论文搜索引擎。 立即尝试 运行colab笔记本的第一个单元格以下载并加载模型和数据。 在第一个单元中总共要下载和加载8个演出，因此该单元将需要几分钟的时间来运行。 完成运行后，即可准备接受您的查询。 该模型在输入摘要上进行了训练，因此在输入约100个单词时效果最佳，但在简短的1句查询中也表现出色。 注意：上面的Colab笔记本自动且匿名记录查询，这些查询将用于改进我们模型的未来版本。 如果您不希望自动发送查询，请使用此版本，它将仅手动发送反馈： 结果包括论文的标题，摘要和语义学者链接。 建筑学 该体系结构是word2vec的一部分，Bert是文本编码器的一部分。 我之前在先前的项目[ ]中探索了Bert医学文本编码，并且对将医学问题与答案相关联的有效性印象深刻。 在此项目中，我们将每篇论文的摘要用作输入，但不是使用另一种Be
【文件预览】：
NaturalLanguageRecommendations-master
----notebooks()
--------tfrecords_debug.ipynb(14KB)
--------tpu_index_debug.ipynb(21KB)
--------inference()
--------text2cite_preprocessing.ipynb(2.37MB)
--------export_saved_model.ipynb(34KB)
--------data()
--------training()
----src()
--------model.py(6KB)
--------TFrecordWriter.py(2KB)
----images()
--------Our Paper Comparison.jpg(73KB)
--------Relevant Paper Comparison.jpg(82KB)
--------NaturalLanguageRecommendationsUpdated.png(2.66MB)
--------gif4Github1-1.gif(11.78MB)
--------architecturePart4.JPG(171KB)
--------architecturePart1.JPG(151KB)
--------TensorBoard.JPG(52KB)
--------architecturePart3.PNG(2.75MB)
--------SampleNLRresults.JPG(125KB)
--------architecturePart2.JPG(151KB)
--------NaturalLanguageRecommendationsUpdated2.png(2.66MB)
--------NLRgifActuallyGif.gif(17.44MB)
--------architecturePart1.PNG(2.25MB)
--------architecturePart3.JPG(216KB)
--------architecturePart2.PNG(2.45MB)
--------NLRLongerNoBanner.gif(16.15MB)
--------architecturePart4.PNG(2.68MB)
----LICENSE(1KB)
----README.md(36KB)
----.gitignore(33B)