A Survey of Knowledge Enhanced Pre-trained.pdf
【导读】预训练模型是当下研究的热点，来自西电的研究人员发布《知识增强的预训练模型》，非常值得关注！
预训练模型通过自监督学习方法在大规模文本语料库上学习上下文化的词表示，该方法经过微调后取得了良好的性能。然而，这些模型的健壮性差，且缺乏可解释性。带有知识注入的预训练模型(knowledge enhanced pre- training model, KEPTMs)具有深刻的理解和逻辑推理能力，并在一定程度上引入了可解释性。在这个综述中，我们提供了自然语言处理的KEPTMs的全面概述。首先介绍了预训练模型和知识表示学习的研究进展。然后我们从三个不同的角度对现有KEPTMs进行了系统的分类。最后，对KEPTMs的未来研究方向进行了展望。
文件下载
评论信息
其他资源
- app inventor 打地鼠aia格式文件
- VC++6.0 MFC 课程设计简易绘图程序
- MFC C++ 编写的学生信息管理系统
- 猿聊（仿QQ项目Java Swing）
- 1—bit压缩感知重构算法（BITH）
- 基于图像融合的高光谱异常检测
- zigbee 点播通讯
- SSS1700B1_USB Headset Line-in Controller Datasheet_v01_20210126(1).pdf
- 原创鼠标连点器附源代码
- 火焰渲染的粒子系统程序，单文档工程实现
- cpld 串口调试代码 发送接收
- Eviews7.2.zip
- SUSE12SP2安装docker1.12.6.docx
- 时间序列分析实验报告
- Head first html & css深入浅出html and css中文PDF
- dailyReport-master.zip 工作日报管理工具
- HTTP协议测试软件
- 数字图像处理与机器视觉_VC与Matlab实现PDF（张铮版）
- 商品在线销售系统--软件工程文档
- 数据结构算法与应用-C++语言描述
- 让Xcode支持iOS11.4 Beta设备真机测试
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明