首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    学界 | 微软提出深度学习新架构:使用问答系统来得到语法上可解释的表征

    选自arXiv.org 机器之心编译 参与:黄玉胜 近日,微软公布的一篇新论文提出了一种新架构,它的内部表征(在执行文本问答任务时通过端到端的优化来学习的表征)可以用语言学理论的基本概念来解释。...这种可解释性相对于新的基于原模型的准确度只有几个点的降低(BiDAF[1])。...被解释的内部表征是张量积表示(Tensor Product Representation):对于每个输入词,模型选择一个符号来对词进行编码,一个放置符号的角色(role),然后将它们绑定起来。...这种选择是通过软注意(soft attention)模型实现的,总体的解释是由符号的解释所构建的,与训练模型利用的一样,模型也利用对角色的解释。...我们发现了对初始假设的支持,即符号可以被解释为词汇-语义词义(lexical-semantic word meanings),而角色可被解释为对语法角色(或类别)的近似,例如主语、问词、限定词等。

    52740

    完善测试匹配符号得到特征码

    , 0x100, fp); ​ ​ fclose(fp); delete[]CodeBuff; return TRUE; } 完善3: 封装一个偏移值,因为如果找到了特征码但是得到的是特征码的基址...,我们还要知道怎么从这个基址偏移得到我们想要的内容,所以这里就在字符串里面添加一些特征码: 比如这里: image.png 要往下偏移,也就是+地址,+8个byte才得到我们想要的地址,那么我们就可以把字符串写成这样...{ vc.push_back(temp); } ​ } 完善4: 一个文件里面肯定有很多内容,需要把整个文件的字符串提出来,然后分割,然后把特征码拿去匹配,匹配到之后通过偏移得到具体的基址的位置...这个功能我就不实现了,后面要用可以自己DIY一下 最终代码: 最后我加了一个文件来保存得到的基址。 总结 通过匹配特征码,这里机器码特征码硬编码不区分。...然后通过匹配到的特征码(因为特征码必须来多一点,不然很容易有相同的),特征码里面有一些值是会变的就采用模糊匹配来实现,然后得到特征码匹配上了的首地址,再通过字符串里面的首地址偏移,得到了要的数据的起始地址

    69330
    领券