基于自适应bandit算法的最新模型快速辨识
fiesta-nlp的Python项目详细描述
嘉年华（使用自适应bandit算法快速识别最新模型）
快速链接：
- Documentation-你也可以在那里找到项目代码库的动机。
- Tutorials
安装
需要Python3.6.1或更高版本。
pip install fiesta-nlp
论文中的实验
内质网实验
用于创建ner结果的代码可以是founderhere，所有说明都在：
- 如何分割数据。
- 如何重新运行模型。
- 论文中的图像是如何生成的。
- 链接到所有原始F1结果和数据拆分。
目标相关情绪分析实验
来自12个不同TDSA模型的500宏F1结果可以在^{fiesta库。
引用（将在文章的acl版本发布时更新）
如果你在研究中使用嘉年华，请引用FIESTA: Fast IdEntification of State-of-The-Art models using adaptive bandit algorithms
@article{moss2019fiesta,
title={FIESTA: Fast IdEntification of State-of-The-Art models using adaptive bandit algorithms},
author={Moss, Henry B and Moore, Andrew and Leslie, David S and Rayson, Paul},
journal={arXiv preprint arXiv:1906.12230},
year={2019}
}
一般确认
如果没有以下代码库和相关的嘉年华文件，则无法完成此操作：
- Henry Moss's时间由EPSRC博士培训基金和STOR-I博士培训中心提供。
- Andrew Moore's时间由epsrc博士研究生培训基金资助。
- Paul Rayson's和David Leslie's时间。
- 资源——从Centre for Health Informatics, Computing, and Statistics, Lancaster University的Dr Chris Jewell借出一个配备nvidia gp100的工作站。
- 最后，我们感谢来自acl 2019的评论者的评论和建议，这大大改进了论文。
发布模板确认
我们从allennlp项目中复制/改编了问题模板。
欢迎加入QQ群-->： 979659372
