Paper: 1603.01360.pdf
code:
核心思想：pretrained + character-based 词表示分别学习形态和拼写，Bi-LSTM + CRF 和基于转移的模型均可以对输出标签的依赖关系建模。
看了 Related Work 后发现很多想法其实早就冒出来了，不同的论文在不同点上使用了不同的方法，本篇恰好用这样的方法取得了最好的效果。其实，我觉得更加有意思的是基于转移的模型，它构建了一个 action 的时间序列，感觉更加抽象，想法更加精妙。
Rust Tutorial
The Rust Programming Language
Recently, I have read The Rust Programming Language book which is really a comprehensive combination. I prefer to write some brief note when I am reading a book, just for times of reviews in the future. Here is the same.
剑指 Offer2（Python 版）解析（Ch3）
具体实现和测试代码：
系列解析（TBD）：
- Python 单例模式
- 好玩儿的 DP
- 递归还是递归
- 双指针的威力
- 双列表的威力
- 有趣的排列组合
特别说明：下文中的实例代码一般仅包括核心算法（不一定能直接运行），完整代码可以参考对应的链接。
剑指 Offer2（Python 版）解析（Ch2）
具体实现和测试代码：
系列解析（TBD）：
- Python 单例模式
- 好玩儿的 DP
- 递归还是递归
- 双指针的威力
- 双列表的威力
- 有趣的排列组合
特别说明：下文中的实例代码一般仅包括核心算法（不一定能直接运行），完整代码可以参考对应的链接。
剑指 Offer2（Python 版）解析（Ch4）
具体实现和测试代码：
系列解析（TBD）：
- Python 单例模式
- 好玩儿的 DP
- 递归还是递归
- 双指针的威力
- 双列表的威力
- 有趣的排列组合
特别说明：下文中的实例代码一般仅包括核心算法（不一定能直接运行），完整代码可以参考对应的链接。
剑指 Offer2（Python 版）解析（Ch6）
- 第六章：面试中的各项能力
- 面试题 53（一）：数字在排序数组中出现的次数
- 面试题 53（二）：0 到 n-1 中缺失的数字
- 面试题 53（三）：数组中数值和下标相等的元素
- 面试题 53（四）：数组中数值只出现一次的数
- 面试题 54：二叉搜索树的第 k 大节点
- 面试题 55（一）：二叉树的深度
- 面试题 55（二）：平衡二叉树
- 面试题 56（一）：数组中只出现一次的两个数字
- 面试题 56（二）：数组中唯一只出现一次的数字
- 面试题 57（一）：和为 s 的两个数字
- 面试题 57（二）：和为 s 的连续正数序列
- 面试题 58（一）：翻转单词顺序
- 面试题 58（二）：左旋转字符串
- 面试题 59（一）：滑动窗口的最大值
- 面试题 59（二）：队列的最大值
- 面试题 60：n 个骰子的点数
- 面试题 61：扑克牌的顺子
- 面试题 62：圆圈中最后剩下的数字
- 面试题 63：股票的最大利润
- 面试题 64：求 1 到 n 之和
- 面试题 65：不用加减乘除做加法
- 面试题 66：构建乘积数组
- 面试案例
具体实现和测试代码：
系列解析（TBD）：
- Python 单例模式
- 好玩儿的 DP
- 递归还是递归
- 双指针的威力
- 双列表的威力
- 有趣的排列组合
特别说明：下文中的实例代码一般仅包括核心算法（不一定能直接运行），完整代码可以参考对应的链接。
剑指 Offer2（Python 版）解析（Ch5）
具体实现和测试代码：
系列解析（TBD）：
- Python 单例模式
- 好玩儿的 DP
- 递归还是递归
- 双指针的威力
- 双列表的威力
- 有趣的排列组合
特别说明：下文中的实例代码一般仅包括核心算法（不一定能直接运行），完整代码可以参考对应的链接。
Few-Shot Charge Prediction with Discriminative Legal Attributes 论文笔记
Paper: coling2018_attribute.pdf
code: thunlp/attribute_charge
核心思想：基于类别属性的注意力机制共同学习属性感知和无属性的文本表示。
这是 COLING2018 上的一篇老论文了，最近因为一些事情正好遇上，当时大概看了一下就发现这篇文章正好解决了我之前在做多分类任务时没有解决的问题。所以拿来记录一下，顺便研究下代码。
关系提取简述
之前整理过一篇关于信息提取的笔记，也是基于大名鼎鼎的 SLP 第 18 章的内容，最近在做一个 chatbot 的 NLMLayer 时涉及到了不少知识图谱有关的技术，由于 NLMLayer 默认的输入是 NLU 的 output，所以实体识别（包括实体和类别）已经自动完成了。接下来最重要的就是实体属性和关系提取了，所以这里就针对这块内容做一个整理。
属性一般的形式是（实体，属性，属性值），关系的一般形式是（实体，关系，实体）。简单来区分的话，关系涉及到两个实体，而属性只有一个实体。属性提取的文章比较少，关系提取方面倒是比较成熟，不过这两者之间其实可以借鉴的。具体的一些方法其实这里已经提到不少了，这里单独提出来再梳理一遍。
AINLP GPU 使用体验指南
AINLP-DBC GPU 是一个 GPU 算力服务平台，采用 DBC TOKEN 进行结算。在这里可以租用 GPU，也可以将自己的 GPU 出租出去。
注册
第一步：创建钱包
这里需要输入密码，之后会产生一个加密后的私钥文件，下载继续后会产生你真正的私钥。一定要记住你的密码并在物理介质上保存好加密后的私钥文件以及你的私钥。只有通过密码+加密的私钥文件，或者私钥才能打开你的钱包，如果都丢了，就等于你的钱包没了。
第二步：充值 DBC
点击 “如何购买 DBC” 链接，选择自己喜欢的方式充值即可，推荐使用支付宝，点击 “继续” 后，充值一定金额（比如 1块或者 0.1 块）就好了。这步其实就是给你的钱包地址充值一定数额的 DBC。大概等个几十秒就能在 “我的钱包” 里看到你购买金额对应的 DBC 数量了。
第三步：绑定邮箱
点击 “绑定邮箱” 后，输入邮箱地址，会给你发送一个类似 请输入如下数量dbc:0.7311,验证有效期为30分钟 内容的邮件，将对应的额度（比如这里的 0.7311）输入 “验证的 DBC 数量” 框即可完成绑定。
第四步：选择机器
在列表中选择一台符合自己要求的机器，点击 “租用” 后，填写租用时长（最短 1 小时），等待大约 1 分钟左右（验证机器环境），确认支付后就可以正式使用了。