主页

在输入和处理计算机文本时，一个很让人疑惑和感到麻烦的地方在于有很多相似短线和引号字符，本文解释了各种短线和引号字符的区别，以备查阅。 短线 各种短线符号：（表格中粗体表示ASCII字符，后表同） 名称 Unicode码 示例 一般用法 Hyphen-Minus（连字符） U+002D - 连字符（连接单词）/减号/负号 Hyphen（连字符） U+2010 ‐ （较少使用）用作连字符，用于连接单词，例如old-aged En dash（连...

在看Gilbert Strang的Introduction to the Linear Algebra (5th)的过程中看到一个有趣的问题： How many corners does a cube have in 4 dimensions? How many 3D faces? How many edges? A typical corner is (0, 0, 1, 0). A typical edge goes to (0, 1, 0, 0). 现在试着回答一下对于n维立方体，这些性质是怎样的。 n维立方体有几个角？ 一个n维立方体中的点可以用一个n维向量表达，其中每个component都可以取 $[0, 1]$ 中的任何一个值（为了方便讨论，这里使用的是单位立...

对于Linux的操作，一直是野路子出身，没有系统学习过，所以最近在看《Linux命令行大全》来系统学习。这本书的第三章《Linux系统》有一部分是解释Linux中各种目录的作用的。这些目录的名称大多都是缩写，但其究竟是什么的缩写和其来由都没有在本书说明，因此我在网上搜索整理的这份文档，以备查阅。 /bin - Binaries. /boot - Files required for booting. /dev - Device files. /etc - Et cetera. The name is inherited from the earliest Unixes, which is when it became the spot to put config-f...

Rouge的安装向来很麻烦，这里给出在Ubuntu 16.04+和Windows 10两个系统下安装Rouge 1.5.5的简明步骤。 Ubuntu Ubuntu一般自带perl，bash输入perl -v检查perl版本 输入cpan -v检查cpan（perl的包管理器）的版本，初次使用会提示需要配置，一路Enter即可 使用sudo cpan install XML::DOM安装必须的XML解析包 下载ROUGE-1.5.5，该资源在网上随处可见，与操作系统无关，下载后运行目录下的perl脚本runROUGE-test.pl，若它正常运行不报错则一切OK Windows 下面是在Windows下安装Rouge和 pyrouge 的指南，引用自ht...

(nature 2020) Array programming with NumPy 概述 这篇论文多维数组计算库Numpy的核心概念及其Python科学计算生态系统中的位置。 Numpy诞生于2005年，建立在它的两位前辈Numeric和Numarray的基础之上，结合了两个库的优点，使得社区重新统一。 到2020年，Numpy已经成为几乎每个Python科学/数值计算库的基础组成部分，包括SciPy、Matplotlib、pandas、scikit-learn、scikit-image等，并且因为Numpy数组内禀的简单性，它已经成了Python事实上的数组交换格式。 现在，为了适应新的计算硬件（GPU/分布式系统等）等特殊需求，各种不同的多维数组实现正在不断出现，但是它们都可...

(acl 2020) Heterogeneous Graph Neural Networks for Extractive Document Summarization 概述 文章使用异质图建模句子之间的关系，并将其用于抽取式摘要，取得了优于所有对比模型的效果（本文模型和对比模型均没有使用预训练语言模型，如BERT）。 图的结构 图中包含两类节点：词节点和句节点 句节点与其中包含的词的节点相连接 只有词节点和句节点之间的连接，同类节点之间不会连接 是一个二分图（Bipartite Graph） 节点初始化 词节点 300维的Embedding Vocabulary大小为50000 使用GloVe初始...

(acl 2019) Sentence Mover’s Similarity: Automatic Evaluation for Multi-Sentence Texts 概述 在翻译和摘要等文本生成任务中，为了节约人力和时间，我们需要一种自动评估机器生成文本的质量的方式。 本文提出了一种计算（多个句子组成的）文本相似度的方式Sentence Mover’s Similarity（SMS）。 SMS可以用来判断生成文本和参考文本之间的语义距离，从而评估机器生成本文的质量。 在评估摘要文本上，基于SMS的方法与人类判断的相关性显著高于基于ROUGE的方法。 SMS还可以用做强化学习训练生成模型时的奖励。 在文本摘要任务上，根据人类评估，使用SMS训练的生成模型...