“FreeNeb ViviQA Release-v1.1”版本间的差异

来自cslt Wiki
跳转至： 导航、 搜索
第16行： 第16行：
 
2. TECHNOLOGY SUMMARY:
 
2. TECHNOLOGY SUMMARY:
  
−
本发布基于CDSSM模型，以三组CNN通过不同窗口长度得到三组特征向量，拼接后经过全连接层给出句子向量。训练采用对比递度下降。具体技术文档见[[媒体文件:基于深度神经网路的检索相似问题模型.v4.pdf ]]。
+
本发布基于CDSSM模型，以三组CNN通过不同窗口长度得到三组特征向量，拼接后经过全连接层给出句子向量。训练采用对比递度下降。具体技术文档见[[媒体文件:基于深度神经网路的检索相似问题模型.v4.pdf]]。
  
  

2017年6月2日 (五) 09:43的版本

RELEASE TITLE: vvQA-CDSSM-HUILAN 
RELEASE VERSION: v1.0
RELEASE TYPE: MAIN RELEASE
RELEASE LOCATION: /work5/release/baizw/vvQA-CDSSM-HUILAN-v1.0
RELATED BUGDB: 16
RELEASE TIME: 2017/01/06

1. BACKGROUND:

本发布是汇联QA项目的领域问答部分，基于CDSSM实现基础问答系统。RELEASE名为vvQA，与vvBeam, vvEngine, vvPoem同属vv人工智能模块的一部分。 本项目属对汇联延期交付的第一部分，第二部分为vvChat。

2. TECHNOLOGY SUMMARY:

本发布基于CDSSM模型，以三组CNN通过不同窗口长度得到三组特征向量，拼接后经过全连接层给出句子向量。训练采用对比递度下降。具体技术文档见媒体文件:基于深度神经网路的检索相似问题模型.v4.pdf。


3. TEST RESULT:

  • 模型参数：
  • conv: 3 1 2 3
  • num_filter:100
  • batch:500
  • epoch:10

参数说明：不设置线性层和非线性层，卷积层有三层，每层的 Step 数分别为 1，2，3，filter 数量为 100。一个 batch 的大小为 500，一共训练 10 轮。

  • 实验结果

我们一共准备了四组训练语料与测试语料。记为 data_0; data_1;data_2; data_3.

数据 data_0 data_1 data_2 data_3
Top1 0.9735 0.9697 0.97218 0.9449
Top5 0.9924 0.99092 0.99082 0.99238
Top10 0.9945 0.99388 0.99356 0.99516

4. RELEASE TEAM:

  • Author: 邢超、白子薇
  • Contributor:
  • Monitor: 王东
取自“http://cslt.org/mediawiki/index.php?title=FreeNeb_ViviQA_Release-v1.1&oldid=27315”