存在。
“嗯?”
曼宁教授发现自己的邮箱被推送来了一篇论文,还是来自AAAI的一个技术编辑。
“怎么还得我来审稿?”
曼宁教授嘟囔了一句,虽然他也是AAAI的会员之一,而且也确实有责任审稿,但作为AAAI最高荣誉会员,这种大佬整个AAAI不超过两手之数,他们的作用就是镇场子的,哪个不长眼的编辑会让这种大佬充当审稿人,简直吃了熊心豹子胆。
曼宁教授虽然内心有些不满,但还是点开了论文,开始查阅。
&extualizedwordrepresentations】?
嗯哼,从今年最火的方向下手,切入点倒不错。
曼宁教授大略看了看摘要,作者提出了一个新的模型弥补了TagLM的劣势,并且取得了近十个点的性能提升。
看到此处,曼宁教授不禁来了兴趣,如果这摘要没有夸大其词,十个点的性能提升,绝对能让这个新模型完全替代TagLM。
越往下看,曼宁教授的心中就越是严肃,而挂在墙上的钟表滴答滴答走动。
一分钟,两分钟,五分钟,十分钟
去除卷积提取层,去除循环神经网络提取层,只保留原始词向量?
不得不说这个结构修改非常大胆,可是......提取层都去除了,用原始信息能有好结果?然后,他就在下面一段的理论证明找到了答案。
看到理论证明的时候,曼宁教授也是诧异了一会儿,什么时候深度学习的论文还有理论证明这部分了?现在的年轻人都这么严谨的么?
紧接着,他就发现了更不可思议的事情,对方不但证明了,而且证明得非常详细,先是用线代说明卷积提取层在这个结构里只能给参数带去混乱因子,然后又证明了普通的循环神经网络提取层不足以提取到所有信息,结合相关数学理论,改换成了双层结构的长短期记忆神经网络提取层。
这......作者论证思路清晰,逻辑严谨,真的要鸡蛋里挑骨头的话,就是这篇论文的实验只使用了单一的命名体识别,他不明白,是什么样的团队,很可能都请了一个数学专家了,还非舍不得再花点成本多做几个实验。
思及此处,曼宁就直接把论文拉到了作者那一行,让他瞠目结舌的是,这篇论文的作者就一个人,大大的FeiSu填在了第一作者那一栏。
还是个华国人?
虽然他蛮喜欢华国人,他自己组里就有几个华国人,学术造诣很高,但一个人一篇论文这种事他还是有些怀疑。
于是他拿着上传上来的代码试了下,结果还真跑通了,性能提升高达%!
太让人难以置信了。
曼宁现在心里就两个字:厉害!
他现在完全可以确信,这篇论文没有掺半点水分,更没有夸大其词
请收藏:https://m.yred.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)