5
Oct
重新拥抱国家天文台！
By 苏剑林 | 2009-10-05 | 18777位读者 | 引用三天了，在这个长达8天的假期中，我居然有连续三天没有更新日志了！也许各位想我是外出旅行了，没有时间管理。其实恰恰相反，这几天我都马不停蹄地对着Spaces.Ac.Cn。因为，“科学空间”回到了天文台了。
不明白？不要紧，我详细说说。
之前由于喜爱geekg的风格，所以把网站程序换成了pjblog。不过pjblog是asp，而宇宙驿站的服务器是linux，只支持html和php，所以，没有办法，我只好换空间了。但是我们是非营利性网站，没有利益收入，当然也不希望有这方面的付出了。所以，辗转了多个免费空间，其中包括火山互联等等。这里首先得感谢“观星天文论坛”的Holdy Pan站长，他曾经无偿地把他的空间给我用（后来没有用了）。还有不得不说的是9790.com网站，他免费为大家提供了一块500M的免费空间，自我申请日起，我几乎一直用它，算起来有两个多月了，一直很稳定。现在的网络很少这样的免费空间商了。
10
Oct
德国女作家摘得2009诺贝尔文学奖
By 苏剑林 | 2009-10-10 | 17713位读者 | 引用
10
Oct
居然是他！奥巴马获得2009年诺贝尔和平奖！
By 苏剑林 | 2009-10-10 | 19418位读者 | 引用站长：因为10月8日就上学了，所以不能够及时上网查阅和更新文学奖和和平奖的消息。不过一直在用手机关注着，前天晚上7:00，就一直用手机关注着诺贝尔奖官方网站，最终发现德国人取得了文学奖。而昨天晚上，一个更加惊人的消息发出来了——2009年诺贝尔和平奖的得主竟然是Barack Obama！
太意外了！居然是我们熟悉的美国总统！世界各国也是这样的意外，然而，令人深思的应该是：颁布诺贝尔奖给奥巴马的主要原因，并非肯定奥巴马已经有的成就，应该是鼓励他带领美国为世界作出更大的贡献！由此观之，世界对这位美国总统的期望是十分大的！
中国网10月9日电 据路透社报道，10月9日美国总统贝拉克·奥巴马(Barack Obama )因为世界和平所做的工作，以及呼吁削减世界核武库而赢得2009年诺贝尔和平奖。
奥巴马获2009年诺贝尔和平奖
限于Blog的限制，想记录一下平时的心情和感悟，就去开通了一下新浪的“微博”。
用以前注册的bojone@sina.cn开通的，我的地址为：
http://t.sina.com.cn/bojone
欢迎大家也来注册交流，成为科学空间的Fans：
http://t.sina.com.cn/
18
Oct
科学空间：2009年11月重要天象
By 苏剑林 | 2009-10-18 | 22126位读者 | 引用转眼间已经快到年底了，11月天象的重头戏，仍将是流星雨。2009年的狮子座流星雨，是否会出现预测的较大爆发，这个月我们将找到答案。此外，南北金牛座流星雨、麒麟座a流星雨等几个传统的流星雨也将在本月达到极大，它们同样是值得爱好者观测的目标。适合在11月观测的行星主要是木星和火星，前者的最佳观测时机是在日落后不久，而后者在下半夜的观测条件不错。
提醒各位天文爱好者一点，制定观测计划之前一定要先查看天气预报，而且在这个寒冷的季节观测流星雨，一定要注意保暖！
主要天象：
01日 火星近鬼星团
05日 南金牛座流星雨极大（ZHR=5）
09日 火星合月
12日 北金牛座流星雨极大（ZHR=5）
13日 土星合月
16日 金星合月
17日 水星合月
18日 月掩心宿二；狮子座流星雨极大（05:45, ZHR=100+）
21日 麒麟座α流星雨极大（23:25, ZHR=5～400+?）
24日 木星合月/海王星合月
27日 天王星合月
31
Oct
“战神”升空看它到底有多神？
By 苏剑林 | 2009-10-31 | 21940位读者 | 引用
15
Nov
《当彩色的声音尝起来是甜的》电子版
By 苏剑林 | 2009-11-15 | 26193位读者 | 引用内容来源于：http://www.verycd.com/topics/2777592/
站长注：虽然有电子版，但是还是建议没有购买纸版的读者到书店或者网上购买一本。一是为了支持科学松鼠会和中国科学出版事业，二是拿着一本纸版书细细品味的感觉是读电子书绝对感受不到的。
《当彩色的声音尝起来是甜的》
《当彩色的声音尝起来是甜的》是科学松鼠会出版的第一本书，站长在得到消息后的第一时间，就在卓越上购买了它。这本书由上海三联书店出版。本书不是一本博客集，出自松鼠会网站的文章只占了1/3。全书54篇文章，精选自百位松鼠近三年创作的上千篇文章，从口腔溃疡到国际空间站，从玫瑰花到数学思想实验，内容天马行空，文字灵动活泼，一改传统科普的严肃面孔。
7
Feb
你的CRF层的学习率可能不够大
By 苏剑林 | 2020-02-07 | 100799位读者 | 引用CRF是做序列标注的经典方法，它理论优雅，实际也很有效，如果还不了解CRF的读者欢迎阅读旧作《简明条件随机场CRF介绍（附带纯Keras实现）》。在BERT模型出来之后，也有不少工作探索了BERT+CRF用于序列标注任务的做法。然而，很多实验结果显示（比如论文《BERT Meets Chinese Word Segmentation》）不管是中文分词还是实体识别任务，相比于简单的BERT+Softmax，BERT+CRF似乎并没有带来什么提升，这跟传统的BiLSTM+CRF或CNN+CRF的模型表现并不一样。
基于CRF的4标签分词模型示意图
这两天给bert4keras增加了用CRF做中文分词的例子（task_sequence_labeling_cws_crf.py），在调试过程中发现了CRF层可能存在学习不充分的问题，进一步做了几个对比实验，结果显示这可能是CRF在BERT中没什么提升的主要原因，遂在此记录一下分析过程，与大家分享。
最近评论