Xueyang Wu

I am an undergraduate from Shanghai Jiao Tong University, looking forward to continue my study. I am applying for PhD in Computer Science.
Email: xueyangwu@yeah.net
Resume: Click Here to Get the PDF Version

作者：Ndapandula Nakashole，Ndapandula Nakashole
单位：CMU
索引：http://arxiv.org/abs/1612.05348

前言

调查目的

进行这次论文调查的目的是了解目前对于开放式（多领域）的语义和知识理解及表示的研究方向、进度和重点，从而博采众长以助我们研究。

过去（包括目前）的语义理解以及问答系统并不具有泛化的理解能力，并且难以在理解和生成时引入知识。数据驱动的方法在人类学习语言的过程中并不是唯一的途径。很大程度上，我们的学习过程是利用知识作为指导的。比如对联创作，我们首要的是学习格律和章法。虽然泛读对于语言提高有帮助，但是我们的老师也常常提醒我们要用分析的方法去精读才能有更大的提高。这种分析的方法就是对知识的运用，掌握了知识才能更容易举一反三。

因此，开放式语义理解调研主要从三个方面进行：

• 领域迁移 (Domain Transfer/Adaptation)
• 泛化的语义解析 (General Semantic Parsing)
• 语义表达 (Semantic Representation)

这篇文章是对一些BOT相关的报道和文章的摘录和翻译，介绍了近期Dialogue System和ChatBot的发展趋势。

za++ 是一个统计机器翻译工具，不过现在常用做平行语料的词对齐，本文简要介绍了如何使用Giza++进行词对齐。

什么是框架语义学

简而言之，框架语义学有一个基本的假设就是：词语的理解和使用是基于概念结构，即语义框架的。 语义框架为我们提供了词语的意义和在语言中存在和被使用的背景和动因。词语可以通过他所在的语言结构，选择和突出基本的语义框架的某些实例。这样子，对一个词语的解释就可以通过逐层分解的方法，从最基本的语义框架开始一直到特点的详细刻画。

We are doing a research on Restraining Rumors Spreading. Our goal is to propose a new strategy for clarifying the truth so that we can restraining rumors spreading as effectively as possible. But before any strategy, we need to model the social network correctly. Thus, here is the learning note of social network modeling.

本文通过学习Theano官方教程和自己操作实验，尝试实现了一个基于Theano的CNN。本文的提纲如下，也可以在站点右侧看到导航。

1. 卷积神经网络简介
    1.1 卷积神经网络的由来
    1.2 局部连接与权值共享
        1.2.1 局部连接
        1.2.2 权值共享
        1.2.3 细节
2. 卷积神经网络的实现
    2.1 卷积操作
    2.2 最大池化
3. 搭建完整的卷积层

本文汇总了现在比较流行和常见的中文语料库资源的索引。

这是计算机系统工程课程实验之一，来自于《Operating System Concepts》（第七版）一书中个的第一个项目。由于书的版本和现在已经出现了代沟，书上的实验指导基本没有作用，所以只能通过自己网上学习。