Daftar Isi
-
Analisis semantik kotak dialog berorientasi tugas berdasarkan representasi hierarkis
-
Memperbaiki analisis semantik tanpa pengawasan
-
Stanford CoreNLP Natural Language Processing Toolkit
-
DeepCut: Partisi subset bersama dan pelabelan untuk estimasi pose multi-orang
-
Tanya jawab berurutan untuk pembelajaran struktur saraf berbasis pencarian
Analisis Semantik Kotak Dialog Berorientasi Tugas Berdasarkan Representasi Hirarkis
Judul Makalah: Parsing Semantik untuk Dialog Berorientasi Tugas menggunakan Representasi Hirarkis
Penulis: SonalGupta / RushinShah / MrinalMohit / AnujKumar
Waktu posting: 2018/10/18
Tautan kertas: https://paper.yanxishe.com/review/9233
Alasan yang direkomendasikan
Pertanyaan inti dari artikel ini: Ini adalah kertas Facebook, intinya adalah melakukan sistem dialog berbasis tugas, sistem dialog berbasis tugas saat ini memiliki dua metode utama, satu didasarkan pada pengenalan niat dan metode ekstraksi entitas, tetapi metode ini sulit Pecahkan kueri kompleks. Ada juga konversi langsung dari bahasa alami ke bahasa yang dapat dimengerti dan dijalankan oleh komputer Artikel ini untuk mengatasi masalah ini
Inovasi: representasi semantik hierarkis dari sistem dialog berorientasi tugas, yang dapat memodelkan kueri gabungan dan bertingkat. Skema anotasi hierarkis untuk analisis semantik diusulkan, yang memungkinkan representasi kueri gabungan dan dapat diurai secara efisien dan akurat dengan model analisis konstituensi standar. Itu juga merilis satu set data yang terdiri dari 44 ribu kueri beranotasi1.
Signifikansi penelitian: Pada kumpulan data ini, kinerja model analitik lebih baik daripada metode sequence-to-sequence.
Memperbaiki analisis semantik tanpa pengawasan
Nama kertas: Parsing Semantik Tanpa Pengawasan Beralas
Penulis: Hoifung Poon
Waktu penerbitan: 2017/5/13
Tautan kertas: https://paper.yanxishe.com/review/9234
Alasan yang direkomendasikan
Pertanyaan inti: Ini adalah karya analisis semantik, khususnya, untuk mengubah bahasa alami menjadi kueri basis data yang akurat melalui metode tanpa pengawasan
Inovasi: Ini adalah pekerjaan analisis semantik tanpa pengawasan pertama. Makalah ini mengusulkan sistem GUSP yang menggunakan EM untuk mempelajari tata bahasa semantik probabilistik untuk menutupi kekurangan pengawasan langsung. Poin lainnya adalah menggunakan database untuk pembelajaran yang diawasi tambahan , Karena bahasa SQL yang dihasilkan dapat dieksekusi melalui database
Signifikansi penelitian: Keakuratan sistem GUSP dalam kumpulan data ATIS mencapai 84%. Poin lainnya adalah bahwa metode ini tidak memerlukan data khusus. Metode tanpa pengawasan ini memecahkan masalah data yang tidak mencukupi sampai batas tertentu.
Stanford CoreNLP Natural Language Processing Toolkit
Nama kertas: Toolkit Pemrosesan Bahasa Alami Stanford CoreNLP
Penulis: ChristopherD.Manning / Mihai Surdeanu / John Bauer
Waktu posting: 2014/6/23
Tautan kertas: https://paper.yanxishe.com/review/9235
Alasan yang direkomendasikan
Saat melakukan prapemrosesan data bahasa Inggris baru-baru ini, saya menggunakan toolkit praproses data coreNLP dari Stanford University. Toolkit ini dapat menyelesaikan tugas-tugas berikut:
1. Segmentasi kata
2. Bagian dari penandaan ucapan
3 pengakuan entitas bernama
4 Analisis komponen sintaksis
5 Analisis Sintaksis Ketergantungan
Dan seterusnya, menyediakan rangkaian alat teknologi bahasa manusia. Ini mendukung berbagai fungsi dasar pemrosesan bahasa alami. Stanfordcorenlp adalah antarmuka python-nya. Makalah ini memperkenalkan karya ini. Direkomendasikan untuk semua orang untuk membacanya. Dapat dikatakan bahwa karya ini adalah karya dasar nlp.
DeepCut: Partisi subset bersama dan pelabelan untuk estimasi pose multi-orang
Judul Makalah: DeepCut: Partisi Bersama dan Pelabelan untuk Estimasi Pose Banyak Orang
Penulis: Pishchulin Leonid / Insafutdinov Eldar / Tang Siyu / Andres Bjoern / Andriluka Mykhaylo / Gehler Peter / Schiele Bernt
Waktu publikasi: 2015/11/20
Tautan kertas: https://paper.yanxishe.com/review/9236
Alasan yang disarankan: Bidang: perkiraan pose bersama beberapa orang
Sebuah metode untuk bersama-sama menyelesaikan tugas deteksi dan estimasi pose diusulkan: menyimpulkan jumlah orang di tempat kejadian, mengidentifikasi bagian tubuh yang tersumbat, dan menghilangkan ambiguitas bagian tubuh antara orang-orang yang bersebelahan. Kombinasi ini sangat berbeda dengan strategi sebelumnya, yang menyelesaikan masalah dengan mendeteksi orang terlebih dahulu dan kemudian memperkirakan postur tubuhnya. Makalah ini mengusulkan rumus pembagian dan pelabelan dari sekumpulan hipotesis bagian tubuh yang dihasilkan oleh detektor parsial berbasis CNN. Rumus tersebut adalah contoh program linier bilangan bulat yang secara implisit melakukan penekanan non-maksimum pada himpunan bagian kandidat dan mengelompokkannya untuk membentuk konfigurasi bagian tubuh yang mempertimbangkan batasan geometris dan tampilan. Eksperimen pada empat kumpulan data berbeda telah membuktikan hasil terbaru dari taksiran pose satu orang dan banyak orang.
Tanya jawab berurutan untuk pembelajaran struktur saraf berbasis pencarian
Judul Makalah: Pembelajaran Terstruktur Neural Berbasis Pencarian untuk Menjawab Pertanyaan Berurutan
Penulis: Mohit Iyyer / Wen-tau Yih / Ming-Wei Chang
Waktu penerbitan: 2017/5/17
Tautan ke kertas: https://paper.yanxishe.com/review/9237
Alasan yang direkomendasikan
Pertanyaan inti: Makalah ini adalah sistem tanya jawab, intinya adalah analisis semantik, dirancang untuk menjawab pertanyaan sekuensial yang sederhana namun saling terkait dalam proses dialog.
Inovasi: Untuk memahami masalah yang baru saja diangkat, makalah ini mengusulkan kerangka kerja analisis semantik jaringan saraf dinamis baru, yang menerapkan pencarian berpemandu hadiah yang diawasi secara lemah.
Signifikansi penelitian: Model jaringan yang dibangun dengan cara ini dapat melengkapi jawaban yang akurat (dalam data yang dikumpulkan oleh penulis sendiri).
Rekrutmen tim penulis makalah
Untuk melayani mayoritas pemuda AI dengan lebih baik, AI Research Institute secara resmi meluncurkan bagian "Tesis" baru, berharap dapat menggunakan tesis sebagai "poin minat" untuk mengumpulkan siswa dan pemuda AI, melalui rekomendasi penyortiran esai, komentar, interpretasi, dan reproduksi kode. Berkomitmen untuk menjadi tempat berkumpul untuk studi, diskusi dan publikasi hasil penelitian mutakhir di dalam dan luar negeri, dan untuk memungkinkan penelitian ilmiah yang sangat baik untuk disebarluaskan dan diakui secara lebih luas.
Kami berharap Anda yang mencintai akademisi dapat bergabung dengan tim penulis makalah kami.
Anda bisa mendapatkan
1. Sebuah artikel dengan nama Anda akan membuat Anda menjadi bintang akademis yang paling mempesona
2. Remunerasi yang kaya
3. Memperkenalkan perusahaan AI terkenal, keuntungan tiket konferensi, souvenir periferal eksklusif, dll.
Untuk bergabung dengan tim penulis makalah, Anda membutuhkan:
1. Rekomendasikan makalah favorit Anda kepada mayoritas anggota klub riset
2. Menulis interpretasi skripsi
Jika Anda siap untuk bergabung dengan tim penulis makalah paruh waktu AI Research Institute, Anda dapat menambahkan akun WeChat wanita operasi dan mencatat "Penulis makalah paruh waktu"
Lei Feng Net Lei Feng Net Lei Feng Net
- Para pemimpin Distrik Yuncheng, Kota Yunfu, membawa hujan untuk menyampaikan belasungkawa kepada penjaga garis depan
- Untuk membumi, untuk mengatakan yang sebenarnya, berteriak keras: "Rasa tanah" kekuatan panji "anti-epidemi"
- Bala bantuan malam berbintang tentara elit AI! Zhongguancun memulai "epidemi" perang teknologi tinggi