🤖hlcjj@hlcjj

“实现有很多种办法，可能会有一定的效率上的差异，不过核心都是把一个序列分成两份，第一部分小于第二部分”

“现在很多都是在英文上做的，人家的数据集多，中文的也很多都是照搬英文的方法过来的，觉得除了一些语言学上的东西都是相通的，楼主不用太care”

“然而我并不知道这个c,d是啥”

“w2v是一个把词映射成低维向量的方法，一是因为NN里面承受不了高维的向量，二我觉得这也是有一定语义表征的成分在里面。 而LSTM是NLP常用的NN模型，RNN的变种，可以说这两个是两个不同层面上的东西”

“http://web.stanford.edu/class/cs224n/syllabus.html 么 【 在 kongming 的大作中提到: 】 : 最近在看斯坦福的deep learning for nlp公开课，官网上的lecture notes只更新到第五篇，貌似再往后就到了他们期中了，新的还没更新。goo…”

“没看见是完全覆盖，我这个是有覆盖的方案，完全覆盖改一下就行 【 在 xueluowuhen 的大作中提到: 】 : 应该是lw <= lb && rw>= rb吧”

“我就是理解成一维的了，每个线段都用<l,r>表示，<lb,rb><lw,rw>表示黑线和白线。首先找到右端点最小的黑色线段，你为了覆盖这条线段就必须找lw <= rb && rw>= lb的这些白线（如果找不到当然这条线就无法覆盖）。为了选出的白线可以覆盖更多黑线，就要找中间有最大的rw值的白线进行覆盖，然后再找未被覆…”

“弱（da）菜（tui）!”