0
| 本文作者： AI研習社 | 2019-11-28 14:58 |
Paper 研習社新功能上線啦！
大家除了瀏覽或者參與論文推薦，還可以一鍵打包下載論文合集，針對長期更新的論文合集，你能通過系統消息第一時間收到更新的通知，讓你的科研的道路上，絕不慢人一步！
點擊鏈接迅速跳轉論文集下載界面:
https://paper.yanxishe.com/library
「本周論文推薦精選」是 Paper 研習社推出的全新欄目，展現社友們在研習論文的過程中，推薦自己所閱讀到的優秀論文，幫助大家一起學習、討論每個領域最新、最精彩的學術論文。
①
#計算語言學#
《深邃的詩歌：中國古典詩歌的生成系統》
推薦理由：
本文解決的核心問題是中文古詩的自動生成問題。
這篇論文的創新點在于提出了一種接受多模態輸入的中文古詩生成系統。這個名為Deep Poetry的中文古詩生成系統與以往基于模板的生成系統不同，使用神經網絡在20萬首詩和300萬古代散文上進行訓練，并且可以接受多種輸入，例如純文本、圖像或意境定義。Deep Poetry允許用戶參與詩歌創作過程，并且開發了名為“川小妹AI詩人”的微信小程序來方便用戶通過移動設備訪問。
這篇論文被AAAI 2020錄用為Demo，微信小程序的開發也讓這個中文古詩生成系統可以方便地進行使用，也會啟發后續的研究進行類似的應用程序的開發。
https://paper.yanxishe.com/review/5224
推薦人：琴??？思{（清華大學信息與通信工程專業，Paper 研習社特約作者）
②
#深度學習# #游戲人工智能#
《在多智能體博弈中尋找朋友和敵人》
推薦理由：
這篇論文要解決的是AI如何玩“阿瓦隆”這類桌游的問題。
AI最近在圍棋、德撲和麻將等博弈游戲中不斷戰勝人類選手。MIT的研究人員在這個榜單上又加上了阿瓦隆這樣的桌游。這篇論文最大的貢獻是提出了一個名為DeepRole的多智能體強化學習算法，使用了一種常見的“反事實遺憾最小化”的游戲計劃算法，通過反復與自己對戰來學習游戲，同時還引入了演繹推理的技巧，使其具備從已有假設或前提推導出新結論的能力，比如AI看到任務中出現了一張失敗票，就能推斷出必然至少有一名間諜的結論。超過4000場的游戲統計數據顯示，在一局有5名人類玩家的游戲中，如果用AI替換其中之一，其所處陣營的平均勝率會比替換前高出約12%。反之，在一局有5個AI的游戲中，如果用人類玩家替換其中之一，其陣營的平均勝率則會下降約8%。
這項研究的意義不僅僅在于玩桌游本身，而是能夠更好地模擬人類如何依據社會反應做出決定，從而開發出能夠與人類更好合作的AI系統。
https://paper.yanxishe.com/review/5498
推薦人：溫蒂?斯普林
③
#計算機視覺# #模式識別#
《情境感知的情感識別網絡》
推薦理由：
傳統的情感識別技術只關注面部表情分析，因此對能夠全面反映情緒反應的上下文進行編碼的能力有限。
創新內容：
作者提出了一種用于上下文感知的情感識別的深層網絡，稱為CAER網絡，它不僅利用了人類的面部表情，而且以一種聯合和增強的方式利用了情境信息。其核心思想是在視覺場景中隱藏人臉，并基于注意機制尋找其他上下文。
該網絡由兩個子網絡組成，包括兩個流編碼網絡（用于分別提取面部和上下文區域的特征），以及自適應融合網絡（用于以自適應方式融合這些特征）。
作者還針對情境感知的情感識別引入了一種新的基準數據集，稱為CAER，它在質量和數量上都比現有基準更合適。在幾個基準數據集上，CAER網絡證明了情境對情感識別的影響。
https://paper.yanxishe.com/review/5103
推薦人：feima0969（清華大學數據科學專業，Paper 研習社特約作者）
④
#計算語言學# #語義解析#
《融合SQL語法的生成式語義解析模型》
推薦理由：
核心問題：如何完成文本到sql的生成。
創新點：現有的神經網絡是逐字的生成SQL查詢，但是會有很多問題，比如疑問詞和表格內容不匹配，大部分生成的結果不正確或者無法執行，本文通過列名，單元格或者SQL關鍵字復制內容，顯著的提高了SQL的生成質量。
研究意義：序列到序列的生成是完成這類任務的常用方式，但是不同之處在于作者的模型是從序列或者SQL生成的過程中考慮了表結構和SQL語法。
論文鏈接：
https://paper.yanxishe.com/review/4661推薦人：magic（燕山大學計算機技術專業，Paper 研習社特約作者）
⑤
#計算機視覺# #模式識別#
《基于邊距的三重嵌入正則化對抗學習》
推薦理由：
深度神經網絡（DNNs）在各種計算機視覺任務中都取得了巨大的成功，但是它們很容易受到對抗攻擊。
為了解決這個問題，作者提出在分類目標中加入一個基于邊距的三元組嵌入正則項，以提高表示空間的局部光滑性，從而使所得到的模型學會抵抗adversarial examples。正則項由兩步優化組成，這兩步優化通過迭代的方式找到潛在的擾動并對其進行大幅度的懲罰。
在MNIST、CASIA-WebFace、VGGFace2和MS-Celeb-1M上的實驗結果表明，該方法在簡單目標分類和深度人臉識別中提高了網絡對特征攻擊和標簽攻擊的魯棒性。
論文鏈接：
https://paper.yanxishe.com/review/5099
推薦人：feima0969（清華大學數據科學專業，Paper 研習社特約作者）
???
除了上述的的五篇精選論文推薦，我們還為你精心準備了可以一鍵下載的論文集：
EMNLP 2019 Workshop論文合集
下載地址：https://paper.yanxishe.comhttp://packages/122
圖神經網絡（GNN）入門必讀論文 270篇
下載地址：https://paper.yanxishe.comhttp://packages/109
最新212篇自動化神經網絡搜索（NAS）論文
下載地址：https://paper.yanxishe.com/http://packages/68
ICCV 2019 | 最新公開的51篇 Oral Paper 合集
下載地址：https://www.yanxishe.com/resourceDetail/1010
EMNLP 2019 | 10篇論文實現代碼合集及下載
下載地址：https://www.yanxishe.com/resourceDetail/1013
NeurIPS 2019 GNN 論文合集
下載地址：https://www.yanxishe.com/resourceDetail/1006
AAAI （1996-2019）歷年最佳論文合集
下載地址：https://www.yanxishe.com/resourceDetail/991
快來下載試試吧！
想要閱讀更多精彩論文？
點擊閱讀原文跳轉 paper.yanxishe.com
雷鋒網雷鋒網雷鋒網
相關文章：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
