minhlab

from theano import function, config, shared, tensor
import numpy
import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000

rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], tensor.exp(x))

minhlab

{
   "loss":{
      "y":"summed_cross_entropy",
      "anaphoricities":"summed_cross_entropy"
   },
   "theano_mode":null,
   "name":"Graph",
   "output_config":[
      {
         "inputs":[

minhlab

# -*- coding: utf-8 -*-

import pywikibot
import sys
from collections import Counter
from random import randint

wiki = 'wikipedia'
lang = 'vi'

minhlab

import numpy as np
import sys

def zero_safe_normalization(a):
    norms = np.sum(a*a, axis=1)
    zero_indices = np.nonzero(norms == 0)[0].tolist()
    if zero_indices:
        sys.stderr.write('Detect %d zero norms: %s\n' %(len(zero_indices), str(zero_indices)))
        norms[zero_indices] = 1.0 # don't worry, 0/1 = 0
    a /= norms[:,np.newaxis]

minhlab

import numpy as np

# from deep-coref project: https://github.com/clarkkev/deep-coref
# download w2v_50d.txt from here: https://drive.google.com/file/d/0B5Y5rz_RUKRmdEFPcGIwZ2xLRW8/view
with open('w2v_50d.txt') as f:
    word2id = {}
    vectors = []
    words = []
    for line in f:
        parts = line.strip().split()

minhlab

from collections import Counter
import numpy as np
from scipy.stats import pearsonr

train = 'output/dep/penntree.jk.sd/train.mrg.dep'
ref = 'output/dep/penntree.jk.sd/valid.mrg.dep'
sys = 'output/dep/sd_parse-published-model_valid.conll'
out_path = 'output/occurrence-performance.npy'
count_path = 'output/occurrence-counts.npy'

minhlab

import numpy as np
from scipy.stats import spearmanr, pearsonr
from matplotlib import pyplot as pl
import sys

if __name__ == '__main__':
    repeats = int(sys.argv[1]) if len(sys.argv) >= 2 else 5 # change this and see what happens
    dim = 50
    #sizes = {'simlex': 999, 'men': 3000, 'mc': 30, 'rg': 65, 'ws353': 353}
    sizes = {'men': (3000, '#0066ff', '#4d94ff'), 'mc': (30, '#ff3300', '#ffd6cc80'), 'rg': (65, '#00ff00', '#ccffcc80')}

minhlab

import os
import re
from collections import defaultdict
import sys
import ptb

ontonotes_root = '/Users/cumeo/corpora/ontonotes-release-5.0'
ontonotes_en = os.path.join(ontonotes_root, 'data/files/data/english/annotations')
assert os.path.exists(ontonotes_root), 'please link/put ontonotes into data directory'
    

minhlab

from collections import defaultdict
import re

s=open('/Users/cumeo/Downloads/dup-docs.txt').read()
pairs = [re.sub(' +', ' ', line).strip().split(' ') for line in s.strip().split('\n')]
clusters = defaultdict(set)
for doc1, doc2 in pairs:
    c = clusters[doc1]
    c.update(clusters[doc2])
    c.update({doc1, doc2})

minhlab

Tuanminh01 (thảo luận · đóng góp): 439 điểm, Điểm thi tháng 9 năm 2017
Phương Huy (thảo luận · đóng góp): 324 điểm, Điểm thi tháng 9 năm 2017
Bluetpp (thảo luận · đóng góp): 287 điểm, Điểm thi tháng 9/2017
Buileducanh (thảo luận · đóng góp): 265 điểm, Điểm thi tháng 9/2017
Anhkhang234 (thảo luận · đóng góp): 223 điểm, Điểm thi tháng 9 năm 2017
Nguyenphanuyennhi (thảo luận · đóng góp): 194 điểm, Điểm thi tháng 9 2017
Mintu Martin (thảo luận · đóng góp): 128 điểm
Atnastr (thảo luận · đóng góp): 127 điểm, Điểm thi viết bài khoa học tháng 9/2017
Hoanglongmit (thảo luận · đóng góp): 104 điểm, Điểm thi tháng 9 năm 2017
A.Einstein05 (thảo luận · đóng góp): 78 điểm, Điểm thi tháng 9 năm 2017