雪落山庄

五月份的时候曾经写过一个总结，阐述了一下当时所需要做的事情： 论文、实习、雅思、找女朋友… 现在是2021年9月中旬，已经过去了4个月左右，目前的情况是： 论文AAAI2022已投，但中的概率很小； 雅思报班学习完成，但没有考试，学到的东西不多； 上周研二生活算是刚刚开始，那么目前我需要完成的有： 恶补传统机器学习基础知识，具体来说就是看透统计学习方法和花书； 刷题，找实习； 看论文，找方向，主要聚焦在知识图谱和情感分析； 到一月中旬（寒假放假时间）还有四个月。 前两个月补基础看论文，后两个月刷题找实习。 这学期非常重要，一定不能浪费。 那么最近的任务就是： 看统计学习方法，花书； 看论文； 先看一个月，等AAAI2022第一阶段结果出来再说吧！ 长风破浪会有时，直挂云帆济沧海！！！

最近这段时间，一直在忙着做实验跑代码，想着通过现有代码调参能调一个很不错的结果。但是现在看来，现有模型再提升的可能性不太大，接下来一边接着调参，一边多看看论文，再好好想想点子。 今天了解了一下雅思辅导的事情，这周三以及周末，去参加个模考和试听班，打算报一个班学一学。 想了想，如果真要去出国读博的话，我欠缺的东西还太多太多。 本科双非，GPA无优势，目前无论文无实习，雅思没过。 也就是说，申请留学的要求我几乎都不满足不占优，今天那老师说申请留学最好提前一两年就开始准备，也就是说研二结束，我的完美状态应该是： 有论文、有实习、雅思7.0以上。 第一次投论文大概率中不了，那么我就要有投两次的机会。 从未来倒推到现在，我需要： 暑假前完成ECPE的实验，现在来看实验效果还是不理想，点子太少，暑假期间写论文并且尽量投出去； 暑假先考一次雅思试试； 研二上学期看完统计学习方法和花书，以及有了一篇已投论文，根据这些去找寒假实习； 以及研二再参加一次雅思考试，争取到7.0分； 那么眼下我需要做的就是： 多做实验，多看论文，多想点子； 尽快了解雅思考试，报班补习； 论文、实习、雅思，近一年内 ...

这是2021AAAI的一篇利用多轮问答（机器阅读理解）来解决aspect-opinion-sentiment三元组抽取问题的论文。把机器阅读理解的方法用到了aspect-sentiment里面。 论文下载：https://arxiv.org/pdf/2103.07665.pdf 论文代码：https://github.com/NKU-IIPLab/BMRC 1. ASTE任务 Aspect Sentiment Triplet Extraction（ASTE）是细粒度观点挖掘任务，它包含多个子任务，比如观点实体抽取、关系检测、情感分类等。作者此次的目的是从Review中抽取出aspect-opinion-sentiment triplet。 ASTE任务是由Peng等人在2020AAAI——Knowing What, How and Why: A Near Complete Solution for Aspect-Based Sentiment Analysis中提出的。 论文地址：https://doi.org/10.1609/aaai.v34i05.6383 如图1所示， ...

上周末的一些事让我感触颇多。 上周五 二狗晚上来找我玩，还带我去了酒吧，给我推荐了交友软件summer。我在酒吧感受到了真真切切的学历歧视，两个北大的女生和我们聊天时的状态，是一种心不在焉的状态，我认为她们也不是故意如此，可能是从小被夸的太多了吧，已经养成了这种性格。我也清楚的认识到了：清北的学生成绩好能力强，但是素质人品却与常人无二。 summer 清北学生做的一款交友软件，我怀着忐忑不安的心情上传了校园卡，通过了审核，两天时间内做了7份答卷，无一通过，在与女生交往这方面，我果然智商为0。 看到有个北外小姐姐，既好看又优秀，翻了翻她的树洞，我突然意识到，她或许出身一个富贵人家，又或许出身于城市中的中产阶级，父母都是十分有文化的人。而我除了有一个文凭，与她相当，其他方面，可能都配不上这位小姐姐。我不断的告诉自己要自信要自信，可是内心最深处的声音却喊醒我：你不够格。 身高与外貌是改变不了的，我能做的，就是努力提升自己。我非常了解自己，我是一个有了实力才会自信的人。 同时我也明白了一个道理：有些人在努力去往罗马，有些人一出生就在罗马。我在去往罗马的路上，我将坚定不移的走下去。人生来就是 ...

教程地址：datawhale组队学习之Docker教程 1. Docker概述 1.1 Docker为什么出现？ 项目带环境一块打包上线，docker就是做这个事情的。避免了不同机器配置环境所带来的麻烦。 打包项目带上环境（镜像机制）——docker仓库——下载镜像直接运行即可！ docker的思想来自于集装箱 **Docker核心思想：隔离，把所有东西打包装箱，每个箱子互相隔离。**再也不用担心环境的问题。 例如一个集装箱装水果，另一个装生化武器，两个互不干扰，并且可以在同一机器上运行。 Docker还通过隔离机制，将服务器性能利用到极致。 1.2 Docker历史 Docker 最初是 dotCloud 公司（2010年创立）创始人 Solomon Hykes (opens new window)在法国期间发起的一个公司内部项目，它是基于 dotCloud 公司多年云服务技术的一次革新，并于 2013 年 3 月以 Apache 2.0 授权协议开源 ，主要项目代码在 GitHub 上进行维护。Docker 项目后来还加入了 Linux 基金会，并成立推动 开放容器联盟（O ...

1. 01背包 01背包问题是经典的 多阶段动态规划 问题。 多阶段动态规划问题：可以描述成若干个有序阶段，且每个阶段的状态只和上一个阶段的状态有关。 如图所示，阶段2的D状态是由阶段1的AB状态决定的，C状态是由A状态决定的。 01背包也是如此，前i个物品装入背包的最大价值是由前i-1个物品装入背包的最大价值决定的。 问题描述 有n件物品，每件物品的体积为w[i]，价值为v[i]，每件物品的体积都不相同，现有一个容量为W的背包，问怎么装才能使得背包内的价值最大？ 思路 用暴力法可解，但是时间复杂度为O(2n)O(2^n)O(2n)，这是不能接受的。而用动态规划算法可以将其降到O(nV)O(nV)O(nV)。 令dp[i][j]表示前i件物品装入容量为j的背包中所能获得的最大价值。 比如说，3件物品w=[1,2,3], v=[2,3,7]，则前3件物品装入容量为3的背包中所获得的最大价值为7。 考虑对dp[i][j]的求解： 如果w[i]>j，即背包放不下第i件物品，显然有dp[i][j] = dp[i-1][j]； 如果w[i]<=j，则此时有两种选择，放还是不放 ...

这是篇期刊，发表在Neurocomputing，真的比会议文章长多了… 论文题目：Joint Multi-level Attentional Model for Emotion Detection and Emotion-cause Pair Extraction 论文下载：https://www.sci-hub.ren/10.1016/j.neucom.2020.03.105 论文DOI：https://doi.org/10.1016/j.neucom.2020.03.105 论文代码：https://github.com/tomsonsgs/LVE-joint-MANN-master 1. 摘要和介绍 作者将情感检测（Emotion detection, ED）和情感-原因对抽取（Emotion-cause pair extraction, ECPE）结合了起来，提出了一套模型，来同时求解这两个任务。 ECE任务旨在推断出文本中的情感表示，这个任务首先被当做词级别的序列标注问题；后来Gui et al.(2016)又重新设计了用于原因子句检测的ECE任务，并且将该任务建模为子 ...

2020COLING-《A Symmetric Local Search Network for Emotion-Cause Pair Extraction》 1. 摘要和介绍 本篇论文作者提出了一个对称局部搜索网络（Symmetric Local Search Network, SLSN）模型，通过局部搜索的方法，来同步地进行情感原因检测和匹配。 SLSN包含两个对称子网络，名为情感子网络和原因子网络，每一个子网络都包含一个子句表示学习器和一个局部对搜索器（local pair searcher, LPS）。 当人们查找一个文档中的情感-原因对时，肯定不可能是先找出所有的情感子句和原因子句，然后再两两配对筛选，而是找情感原因子句和配对一块进行。所以作者认为(Xia and Ding, 2019)提出的两步走的方法是不合理的。 在局部搜索过程中，LPS引入了一个局部上下文窗口来限制局部搜索的范围，下文会详细介绍。 作者的主要贡献如下： 提出了对称局部搜索网络模型，这是一个端到端的模型，是解决ECPE问题的新方式。 在SLSN中设计了LPS，它能够同时对情感和原因子句进行检测和匹 ...

这篇是已毕业的师兄发的ABSA的文章，老师让看一下，看看能有啥启发 2019IJCAI-Earlier Attention? Aspect-Aware LSTM for Aspect-Based Sentiment Analysis 以前也没看过ABSA，这篇就当入门了。 1. 摘要和介绍 ABSA：Aspect-base sentiment analysis 分为两大部分： ATSA(aspect term sentiment analysis)或叫TSA(target sentiment analysis)，即方面词情感分析。这种的aspect词会明确的包含在句子中，比如“Great salad but the soup tastes bad”，很明显可以看出，salad和soup是方面词，且对salad的情感是正向的，对soup的情感是负向的。 ACSA(aspect category sentiment analysis)，即方面类别情感分析，对不同类别的情感，比如“Although the dinner is expensive, waiters are so war ...

如遇公式显示有误，可去我的知乎查看文章，点击跳转 2020COLING-End-to-End Emotion-Cause Pair Extraction with Graph Convolutional Network 1. 摘要和介绍 本篇论文作者贡献： 提出了Pair Graph Convolutional Network(PairGCN)这个端到端的模型框架来解决ECPE问题 设计了PairGCN来建模邻域候选对的三种依赖关系，来完成情感-原因对层次的上下文信息的提取。 2. 相关工作 2.1 ECE和ECPE 见论文笔记之Emotion-Cause Pair Extraction: A New Task 2.2 GCN Graph Convolutional Network，图卷积网络，是一种图神经网络。由[Thomas N. Kipf and Max Welling. 2017. Semi-Supervised Classification with Graph Convolutional Networks. In Proceedings ofICLR.]首次 ...