开源代码“All in One”：6 份最新「Paper + Code」等你复现

开源代码“All in One”：6 份最新「Paper + Code」等你复现 | PaperDaily #12

2017-11-09 695

[ 自然语言处理 ]

Earth Mover’s Distance Minimization for Unsupervised Bilingual Lexicon Induction
@paperhwd 推荐

文章想解决的问题是如何使用无监督的方法构建双语词典，传统方法需要利用有监督的种子翻译词对来获得两个语言空间的映射。文章的主要思路是借助 GAN 这个工具。当然我们知道 GAN 存在训练困难的问题，所以文章其实真正实现的是 WGAN。

关于文章的应用和意义，一方面为许多跨语言处理任务提供了重要资源，尤其是为完全缺乏双语资源的小语种和专门领域开辟了与其他语言连接的可能。此外，只使用单语语料就能构建双语词典意味着语言在词汇层面的某种同态性，佐证了人类语言在概念表示上可能存在的一致性。

论文链接
http://www.paperweekly.site/papers/1087
代码链接
http://nlp.csai.tsinghua.edu.cn/~zm/UBiLexEMD/

Ngram2vec: Learning Improved Word Representations from Ngram Co-occurrence Statistics
@paperhwd 推荐

本文主要还是想生成质量更好的词向量，基于经典的 word2vec 的思想，在其之上加入了 ngram 的共现信息，取得了更好的结果。我更加在意的其实是他们提供了不错的工具包，同时在建立共现矩阵的时候采取了优化策略来减少存储开销，加快了计算速度。

论文链接
http://www.paperweekly.site/papers/1086
代码链接
https://github.com/zhezhaoa/ngram2vec/

Improved Neural Machine Translation with a Syntax-Aware Encoder and Decoder
@Andy 推荐

文章提出了 bidirectional tree encoder，可以同时学会译出语言的序列表达和树状表达特征。之后，解码器利用这些信息进行解码。其次，提出了 tree-coverage model，使得注意力机制更有效地利用了译出语言的句法结构。

论文链接
http://www.paperweekly.site/papers/1082
代码链接
https://github.com/howardchenhd/Syntax-awared-NMT/

A Simple Approach to Learn Polysemous Word Embeddings
@haimizhao 推荐

文章在原有的向量表示的基础上，直接对上下文的向量表示作加权和，作为目标词在该上下文的表示，方法极其简单，可以低成本尝试，一系列评估方法也自成一体。

论文链接
http://www.paperweekly.site/papers/1052
代码链接
https://github.com/dingwc/multisense

Neural Paraphrase Generation with Stacked Residual LSTM Networks
@paperweekly 推荐

本文是第一篇用 deep learning 来做 paraphrase 生成任务的工作，已开源。

论文链接
http://www.paperweekly.site/papers/1034
代码链接
https://github.com/iamaaditya/neural-paraphrase-generation

Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling
@applenob 推荐

基于 attention 的意图识别 + 槽位填充 RNN 模型。

论文链接
http://www.paperweekly.site/papers/937
代码链接
https://github.com/DSKSD/RNN-for-Joint-NLU
https://github.com/applenob/RNN-for-Joint-NLU

原文发布时间为：2017-11-10
本文作者：让你更懂AI的
本文来自云栖社区合作伙伴“PaperWeekly”，了解相关信息可以关注“PaperWeekly”微信公众号

微信关注我们

原文链接：https://yq.aliyun.com/articles/238794

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

特征提取的综合实验（多种角度比较ＳＩＦＴ、ＳＵＲＦ、ＢＲＩＳＫ、ＯＲB算法)

代码：https://files.cnblogs.com/files/jsxyhelu/main.zip 一、基本概念：特征点提取在“目标识别、图像拼接、运动跟踪、图像检索、自动定位”等研究中起着重要作用；主要算法包括：特征点识别主要流程为: 1、检测关键点、提取描述向量和特征匹配； 2、通过检测关键点和提取描述向量构造出局部特征描述子， 3、然后进行特征匹配特征点识别在以下6个方面进行比较 1、算法匹配速度比较 ubc 测试方法：在相同的匹配环境下，即使用同样配置的计算机，对相同的一对图像进行比较，测试算法的执行时间 2、旋转变换鲁棒性比较 bark 测试方法：对同一图像进行一定角度的旋转，旋转角度逐步递增，旋转后的图像逐一与原始图像进行匹配，比较能够正确匹配的特征点对数，并观察正确匹配对数的变化幅度 3、模糊变换鲁棒性比较 bikes 测试方法：对同一图像用不同的高斯核进行模糊处理，模糊处理后的图像逐一与原始图像进行匹配，比较能够正确匹配的特征点对数，并观察正确匹配对数的变化幅度 4、光照变换鲁棒性比较 leuven 测试方法：对同一图像的亮度进行改变，逐渐降低亮度，改...

2017-11-10

1037

在众多的互联网新技术新趋势当中，AI人工智能无疑是当下最为火爆的概念。在人工智能技术不断发展和演变后，和各个行业的结合落地则成为了人工智能技术本身进一步向前的必要因素，而各个行业借助人工智能对自身行业进行进一步的升级，也成为了行业发展的大趋势，在这双重的作用的推动下，“AI+”成为了如何科技领域的新“风口”。 AI+硬件让机器“聪明” “智能硬件”作为众多互联网企业看好并投身其中的行业，虽然不乏像小米、华为甚至腾讯、58同城等企业的积极参与，但是消费者对于一些仅仅依靠APP来操控就称为“智能”的硬件产品的体验普遍并不能满意。而在AI+到来后，这些本来“无脑”的智能硬件们终于开始“聪明”起来。对于电视产品而言，本身可以算是硬件产品中较早挂上“智能”名号的，但是在实际使用中用户却很少体验到电视的“智能”之处，而在最新发布的暴风TV首款投影仪产品AI无屏电视Max6上这种体验将有所改变。据介绍，暴风TV发布的AI无屏电视Max6采用NLP自然语言技术，拥有高达98.5%的识别率，让投影与人自然聊天，当喊出影片的名字，即刻为你播放，说看什么就看什么。另外，Max6还为每个用户创建专属的Voi...

2017-11-10

466

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。