原创 更深的編碼器+更淺的解碼器=更快的自迴歸模型

論文標題:Deep Encoder, Shallow Decoder: Reevaluating the Speed-Quality Tradeoff in Machine Translation論文作者:Jungo Kasai, Ni

原创 泛化性亂彈:從隨機噪聲、梯度懲罰到虛擬對抗訓練

 ©PaperWeekly 原創 · 作者|蘇劍林單位|追一科技研究方向|NLP、神經網絡提高模型的泛化性能是機器學習致力追求的目標之一。常見的提高泛化性的方法主要有兩種:第一種是添加噪聲,比如往輸入添加高斯噪聲、中間層增加 Dropo

原创 論文盤點:GAN生成對抗樣本的方法解析

©PaperWeekly 原創 · 作者|孫裕道學校|北京郵電大學博士生研究方向|GAN圖像生成、情緒對抗樣本生成引言對抗樣本的生成方式很多。一般情況下會分成三大類,第一種是基於梯度的生成方式如 FGSM 和 PGD,第二種是基於優化的

原创 WWW 2020 | 信息檢索中基於上下文的文本詞項權重生成

©PaperWeekly 原創 · 作者|金金單位|阿里巴巴研究實習生研究方向|推薦系統本文由卡耐基梅隆大學發表於 WWW 2020,介紹了基於上下文的文本詞項權重生成方法 HDCT。原有的搜索引擎在使用詞袋模型表示文本時,性能受限於基

原创 論文盤點:基於圖卷積GNN的多目標跟蹤算法解析

©PaperWeekly 原創 · 作者|黃飄學校|華中科技大學碩士研究方向|多目標跟蹤隨着這兩年 GNN 的發展,其對於關係的建模特性也被引入了多目標跟蹤領域,這次我通過對這兩年基於 GNN 的 MOT 算法的介紹來分析其特點。相關

原创 CVPR 2020霧天條件下物體檢測挑戰賽冠軍DeepBlueAI團隊技術分享

©PaperWeekly 原創 · 作者|羅志鵬單位|深蘭北京AI研發中心研究方向|物體檢測2020 年 6 月 19 日,堪稱計算機視覺領域「奧斯卡」的國際頂會 CVPR 2020 首次以線上形式完美落幕。各個 workshop 也都

原创 半監督學習技術在金融文本分類上的實踐

垂直領域內的自然語言處理任務往往面臨着標註數據缺乏的問題,而近年來快速發展的半監督學習技術爲此類問題提供了有希望的解決方案。本文以 Google 在 2019 年提出的 UDA 框架爲研究主體,詳細探索該技術在熵簡科技真實業務場景中的實

原创 Waymo 2020 | 2D/3D目標檢測、跟蹤和域自適應性冠軍解決方案解析

©PaperWeekly 原創 · 作者|黃飄學校|華中科技大學碩士研究方向|多目標跟蹤隨着最近 Waymo Open Dataset Challenges 2020 的落幕,其中關於 2D/3D 目標檢測和跟蹤賽道的部分冠亞軍解決方案

原创 Word Embedding Papers | 經典再讀之fastText

關於作者:張正,座標巴黎,上班NLP,下班詞嵌入。從詞嵌入到句嵌入到底什麼是 fastText ?先說結論,fastText 在不同語境中至少有兩個含義:1. 在文章 Bag of Tricks for Efficient Text C

原创 結合業務場景案例實踐分析,傾囊相授美團BERT的探索經驗

Google 在 2018 年公佈 BERT 的工作之後,引起了 NLP 學術圈以及工業界的極大關注。無論是在各個公司的應用場景中,還是在一些公開的 Benchmark 上,BERT 的效果都得到了驗證。所以國內很多公司都在跟蹤 BER

原创 Word Embedding News|詞嵌入新鮮事:六月刊:GPT-3來了

這裏是 WEN(Word Embedding News)|詞嵌入新鮮事。作爲起步,它將基於 Sebastian Ruder NLP News 的每月篩選,聚焦詞嵌入領域。對涉及內容在本人閱讀後的基礎上進行總結、評論。不簡單複製,力求做到

原创 IJCAI 2020 | 淡妝濃抹總相宜之人臉上妝

©PaperWeekly 原創 · 作者|黃智坤學校|杭州電子科技大學碩士生研究方向|圖像生成、圖像增強這篇論文是杭州電子科技大學(HDU),悉尼科技大學(UTS),中國科學技術大學(University of Science and

原创 Attention注意力機制的前世今身

©PaperWeekly 原創 · 作者|馬敏博學校|西南交通大學碩士生研究方向|命名實體識別總體介紹注意力機制(Attention Mechanism)最早應用 CV 任務上 ,但最初的論文引用,作者沒有找到,如有知曉的,還望在評論中

原创 NVIDIA針對數據不充分數據集進行生成改進,大幅提高CIFAR-10數據生成

©PaperWeekly 原創 · 作者|武廣學校|合肥工業大學碩士生研究方向|圖像生成生成對抗網絡因其優異的生成質量而得到廣泛的關注,然而想要得到高質量的生成結果往往需要大批量的訓練數據進行加持才能訓練出逼真的生成結果,這點在各大主流

原创 ACL 2020 | 用於鏈接預測的開放知識圖譜嵌入

©PaperWeekly 原創 · 作者|舒意恆學校|南京大學碩士生研究方向|知識圖譜當前大量的知識圖譜都是通過文本直接構建的。由於當前的知識圖譜構建方法的侷限性,其中難免包含對同一實體或關係的多種表述。知識圖譜嵌入模型的發展,長期關注