更多频道内容在这里查看
爱奇艺用户将能永久保存播放记录
过滤短视频
暂无长视频（电视剧、纪录片、动漫、综艺、电影）播放记录，
按住视频可进行拖动
&正在加载...
请选择打赏金额：
收藏成功，可进入
查看所有收藏列表
当前浏览器仅支持手动复制代码
视频地址：
flash地址：
html代码：
通用代码：
通用代码可同时支持电脑和移动设备的分享播放
用爱奇艺APP或微信扫一扫，在手机上继续观看
当前播放时间：
一键下载至手机
限爱奇艺安卓6.0以上版本
使用微信扫一扫，扫描左侧二维码，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
设备搜寻中...
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
连接失败！
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
部安卓（Android）设备，请点击进行选择
请您在手机端下载爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
爱奇艺云推送
请您在手机端登录爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
180秒后更新
打开爱奇艺移动APP，点击“我的-扫一扫”，扫描左侧二维码进行登录
没有安装爱奇艺视频最新客户端？
， 可在设置中重新打开噢！
30秒后自动关闭
主播真会玩52：一张海苔绽放的禁忌之恋！">主播真会玩52：一张海苔绽放的禁忌之恋！
播放量数据：快去看看谁在和你一起看视频吧~
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制
安装爱奇艺视频客户端，
马上开始为您下载本片
5秒后自动消失
&li data-elem="tabtitle" data-seq="{{seq}}"& &a href="javascript:void(0);"& &span>{{start}}-{{end}}&/span& &/a& &/li&
&li data-downloadSelect-elem="item" data-downloadSelect-selected="false" data-downloadSelect-tvid="{{tvid}}"& &a href="javascript:void(0);"&{{pd}}&/a&
选择您要下载的《
色情低俗内容
血腥暴力内容
广告或欺诈内容
侵犯了我的权力
还可以输入
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制
本奖品由提供
红包雨下完了，下次早点来噢~适合聚餐玩的游戏_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
适合聚餐玩的游戏
阅读已结束，下载文档到电脑
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩6页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢龙虎斗游戏|龙虎斗游戏平台|龙虎斗棋牌游戏
大家都在看
时间： 16:40 | 来源：网络整...
“第四届2015中国内容营销金瞳奖”于5月1...
考试院院会今天通过，2017年特种考试交通事业铁路人员考试，增列需用名额169人。 考试院说明，这项考试原公...
服装加盟店进货技巧要做好一家服装加盟店...
我终于圆梦，可以飞上天遨游世界了！大叶大学校园美女谢湘羚今天说，6年前念高中时，就怀抱空姐梦，认真学...
王君正在中共襄阳市委十二届十一次全体（...
副标题#e# - - - - - 把初创公司当做全职工作并投入其中，在需要资金之前就考虑融资问题，并且制定可靠的经...
接受权重相当，内容相关类链接。我爱自然语言处理 | I Love Natural Language Processing
在中，介绍了数据集的设计，该语料可以用于研究和学习，从规模和质量上，是目前中文问答语料中，保险行业垂直领域最优秀的语料，关于该语料制作过程可以通过语料了解，本篇的主要内容是使用该语料实现一个简单的问答模型，并且给出准确度和损失函数作为数据集的Baseline。
为了展示如何使用该语料训练模型和评测算法，我做了一个示例项目 - ，本文接下来会介绍DeepQA-1，假设读者了解深度学习基本概念和Python语言。
Data Loader
数据加载包含两部分：加载语料和预处理。 加载数据使用 insuranceqa_data
载入训练，测试和验证集的数据。
预处理是按照模型的超参数处理问题和答案，将它们组合成输入需要的格式，在本文介绍的baseline model中，预处理包含下面工作：
在词汇表(vocab)中添加辅助Token: &PAD&, &GO&. 假设x是问题序列，是u回复序列，输入序列可以表示为：
超参数question_max_length代表模型中问题的最大长度。 超参数utterance_max_length代表模型中回复的最大长度，回复可能是正例，也可能是负例。
其中，Token &GO& 用来分隔问题和回复，Token &PAD& 用来补齐问题或回复。
训练数据包含了141,779条，正例:负例=1:10，根据超参数生成输入序列:
上图 中 x 就是输入序列。y_代表标注数据：正例还是负例，正例标为[1,0]，负例标为[0,1]，这样做的好处是方便计算损失函数和准确度。测试数据和验证数据也用同样的方式进行处理，唯一不同的是它们不需要做成mini-batch。需要强调的是，处理词汇表和构建输入序列的方式可以尝试用不同的方法，上述方案仅作为表达baseline结果而采用，一些有助于增强模型能力的，比如使用word2vec训练词向量都值得尝试。
baseline model使用了最简单的神经网络，输入序列从左侧进入，输出序列输出包含2个数值的vector，然后使用损失函数计算误差。
超参数，Hyper params
神经网络的激活函数使用函数，损失函数使用最大似然的思想。
使用mini-batch加载数据，迭代训练的大部分工作在back_propagation中完成，它计算出每次迭代的损失和b,W 的误差率，然后使用学习率和误差率更新每个b,W 。
执行训练脚本
python3 deep_qa_1/network.py
在训练过程中，观察损失函数和准确度的变化可以帮助优化超参数的设计。
python3 visual/loss.py
python3 visual/accuracy.py
在迭代了25,000步后就基本维持在一个固定值，学习停止了。
使用获得的Baseline数据为:
Epoch 25, total step 36400, accuracy 0.9031, cost 1.056221.
Baseline model设计的非常简单，它展示了如何使用insuranceqa-corpus-zh训练FAQ问答模型，项目的源码参考。在过去两周中，为了能让这个数据集能满足使用，体现其价值，我花了很多时间来建设，仓促之中仍然会包含一些不足，比如数据集中，每个问题是唯一的，不包含相似问题，是这个数据集目前最大的缺陷，另外一方面，因为该数据集的回复包含一个正例和多个负例，可以用用于训练分类器，也可以用于训练ranking model。如果在使用的过程中，遇到任何问题，可以通过 反馈。
本条目发布于。属于、、、分类。作者是。
关注我们的微信公众号}