0.前言

近来工作不算忙,工作时间主要在忙解析文档的工作,期间经历了从手撸规则到编写机器学习模型再到深度学习模型(从全连接到Bi-LSTM-CRF)的转变,自己对深度学习的应用框架编写和落地有了更多的理解,尤其是如何在对任务深入理解之上将其建模为机器学习分类任务的流程,之后会另起文章详述,此处不表。

知识图谱和深度学习相结合的一个点就是图神经网络模型(GNN),这里自己也算开始接触并开启实践之旅了。

当前自己仅是简单翻译一下。

0. 论文出处

1. 概要

虽然人们多年来从不同的经验中学习了许多不同类型的知识,但是大多数当前的机器学习系统仅仅从一个数据集中获得一个函数或数据模型。

我们为机器学习提出了一个永不停歇的学习范式,以更好地反映由人类执行的更有雄心和更广泛的学习类型。

作为一个案例研究,我们描述了永不停息的语言学习者(NELL),它实现了永不停息的学习者所期望的一些特性,我们讨论了所学到的教训。

NELL从2010年1月开始每天24小时学习网络阅读,到目前为止,它已经掌握了8000多万个信心加权信念(例如,随茶、饼干)的知识库。

NELL还学会了数百万的特性和参数,使它能够从网上阅读这些信念。

此外,它还学会了对这些信念进行推理以推断出新的信念,并能够通过综合新的关系谓词来扩展其本体。

可以通过 http://rtw.ml.cmu.edu 在线跟踪NELL,也可以通过@CMUNELL在Twitter上跟踪它。

当前自己仅是简单翻译一下。

0. 论文出处

1. NELL系统概述

NELL(never-ending language learner)系统每天不间断地执行两个任务:

  1. 阅读任务:从web文本中提取信息,进一步填充结构化事实和知识的不断增长的知识库。
  2. 学习任务:学习阅读,每天都比前一天更好,这是由它的能力证明,回到昨天的文本来源,提取更多的信息更准确



博客内容遵循 署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 协议

本站使用 Volantis 作为主题,总访问量为
载入天数...载入时分秒...
冀ICP备20001334号