- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习自然语言处理
【论文】本周论文推荐（11.23-11.29）
来自：RUC AI Box 导读 下面论文列表为本小组同学推荐和整理，关于论文细节请联系论文作者。内容涵盖以下研究方向：文本生成、知识库问答、对话系统、推荐系统、情感分析、风格迁移。 本周论文推荐 1 文本生成 code2seq: Generating Sequences from Structured Representations of Code. SIGIR 2019 4 推荐系统 Adversarial Training for Review-Based Recommendations.
90430发布于 2019-12-05 - 来自专栏CreateAMind
GAN论文解读推荐
今天开篇就来介绍我一直很关注也一直在做的 GAN 方面的部分论文（不是全部，分批介绍吧）。 今天会介绍的论文有（全部来自 ICLR 2017 submissions）： 1. Junbo Zhao, Michael Mathieu, Yann LeCun ................为此，这篇论文[1] 提出一种 mode-regularized 的思想，来增加对 GAN 所以，这篇论文[1] 给出的是一种 rugularizer for GAN，而用这样的 regularizer 的 GAN 就被作者叫做 Regularized-GAN（在实验中）。..........
61030发布于 2018-07-25 - 来自专栏AI 算法笔记
【每周CV论文推荐】 CV领域中数据增强相关的论文推荐
欢迎来到《每周CV论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。 数据增强在每一个深度学习项目中都是必要的操作，今天给大家推荐在计算机视觉中常用的数据增强相关的论文。 文章引用量：120+ 推荐指数：✦✦✦✦✦ ? [5] Cubuk E D, Zoph B, Mane D, et al. 往期精选 【每周论文推荐】 初入深度学习CV领域必读的几篇文章 【每周CV论文推荐】 掌握残差网络必读的10多篇文章 【每周CV论文推荐】 初学者必须精读的5篇深度学习优化相关文章 【每周NLP论文推荐 】从预训练模型掌握NLP的基本发展脉络 【每周NLP论文推荐】 NLP中命名实体识别从机器学习到深度学习的代表性研究 【每周NLP论文推荐】 介绍语义匹配中的经典文章
1.2K30发布于 2019-08-21 - 来自专栏DeepHub IMBA
论文推荐：Rethinking Attention with Performers
重新思考的注意力机制，Performers是由谷歌，剑桥大学，DeepMind，和艾伦图灵研究所发布在2021 ICLR的论文已经超过500次引用 传统的Transformer的使用softmax 注意力 论文地址： [2021 ICLR] [Performer]Rethinking Attention with Performers https://openreview.net/forum?
76330编辑于 2023-02-01 - 来自专栏数据派THU
论文推荐：Rethinking Attention with Performers
重新思考的注意力机制，Performers是由谷歌，剑桥大学，DeepMind，和艾伦图灵研究所发布在2021 ICLR的论文已经超过500次引用。 论文地址： [2021 ICLR] [Performer]Rethinking Attention with Performers https://openreview.net/forum?
57320编辑于 2023-03-29 - 来自专栏数据挖掘与AI算法
【翻译】经典推荐算法论文
上周有粉丝私信老shi想要找推荐系统相关的论文，刚好这两天老shi无意中在b站上观看了国内某知名大学教授关于目前博士生就业问题相关论文解说的视频，感觉很有意思，就萌生了给大家翻译一篇经典的推荐系统论文的想法 本期课程老shi决定给大家带来一篇2003年亚马逊曾经发表过的论文《Amazon.com Recommendations Item-to-Item Collaborative Filtering》翻译， 这篇论文可谓是一篇比较早的经典的基于Item-to-Item（商品-商品）的协同过滤论文了。 我们的算法实时产生推荐，适用于海量数据集，并产生高质量的推荐。 推荐算法 大多数推荐算法都从找顾户数据集开始，他们买过和评论过的商品，与当前用户买过和评论过的商品有重叠。 点击“你的推荐”链接，会把顾客引导到一个区域，在那里顾客可以通过产品线和主题领域，进行推荐的筛选，为被推荐的商品进行评级，为以前的购买进行评级，并查看为什么这些商品被推荐了（见图1）。 ?
1.4K30发布于 2021-04-09 - 来自专栏量化投资与机器学习
近期因子研究论文推荐
论文打包带走！！！ 后台回复：因子研究论文
82810编辑于 2022-08-26 - 来自专栏有三AI
【每周NLP论文推荐】 聊天机器人中FAQ相关的论文推荐
今天推荐FAQ相关的论文，FAQ是聊天机器人的一种，它主要是基于用户的question，匹配相应的答案，返回给用户answer，没有太多的多轮交互。FAQ有较多的应用，如天猫精灵，小度等。 本篇论文还介绍了The Ubuntu Dialogue Corpus数据集，可以用于FAQ的研究。 文章引用量：100+ 推荐指数：✦✦✦✦✦ ? 因为BERT是趋势，这里介绍一篇基于BERT的FQA论文。 文章引用量：80+ 推荐指数：✦✦✦✦✧ ? ? [2] Tan M , Santos C D , Xiang B , et al. 文章引用量：较少 推荐指数：✦✦✦✦✦ ? [4] Xiangyang Zhou , Daxiang Dong, et al . 如下图所示，基本的模式类似，只是在特征提取时，用了BERT，具体细节，感兴趣的同学可以看论文。 文章引用量：较少 推荐指数：✦✦✦✦✧ ?
1.4K10发布于 2019-09-03 - 来自专栏深度学习自然语言处理
本周论文推荐（12.14-12.20）
导读 下面论文列表为本小组同学推荐和整理，关于论文细节请联系论文作者。内容涵盖以下研究方向：对抗生成网络、知识图谱补全、推荐系统、文本生成、元学习。 来自：RUC AI Box 实验室 本周论文推荐 1 对抗生成网络 Social-BiGAT: Multimodal Trajectory Forecasting using Bicycle-GAN EMNLP 2019 3 推荐系统 Reinforcement Knowledge Graph Reasoning for Explainable Recommendation.
89610发布于 2019-12-26 - 来自专栏GAN&CV
值得精读的GAN论文推荐
前言 本文主要推荐一些生成对抗网络（GAN，generative adversarial networks）相关的值得精读的论文，主要涉及GAN的优化，图像翻译，视频预测三个领域，可以作为GAN 在损失函数的优化论文方面，效果比较突出且使用较多的主要有三篇论文，分别是：lsgan, wgan-gp, 谱归一化GAN： Improved training of Wasserstein GANs ： pose knows: Video forecasting by generating pose futures. : https://arxiv.org/abs/1705.00053 总结 本文主要推荐了一些 论文的推荐顺序既可以用来快速查找，也可以用来作为进阶的阅读顺序，人力有时穷，还有更多未提到的较好工作，欢迎补充。 ，就可以查找希望看到的论文。
73420发布于 2019-02-25 - 来自专栏量化投资与机器学习
AQR：机器学习相关论文推荐
今天的推荐来自AQR，是关于机器学习论文的推荐。从“实证资产定价”，到“金融领域如何有效的利用机器学习模型”，再到“如何更有效的进行策略测试”等。 一共五篇论文，每篇都是经典，都值得仔细阅读：文末附下载。 获奖者是从The Journal of Investment Management 2020年发表的论文中选出的。 资产管理中，机器学习面临着一系列独特的挑战，与机器学习擅长的其他领域明显不同。 论文下载方式 后台回复：AQR2022
1.2K20编辑于 2022-03-03 - 来自专栏机器学习算法与Python学习
论文推荐 | 生成对抗网络GAN论文TOP 10
这篇论文展示了卷积层如何与GAN 一起使用，并为此提供了一系列架构指南。这篇论文还讨论了 GAN 特征的可视化、潜在空间插值、利用判别器特征来训练分类器、评估结果等问题。 总之，DCGAN 论文是一篇必读的 GAN 论文，因为它以一种非常清晰的方式定义架构，因此很容易从一些代码开始，并开始形成开发 GAN的直觉。 ? 论文展示了如何整合数据的类标签，从而使 GAN 训练更加稳定。 不过，这篇论文对构成当前最先进技术水平的基础论文的思想提供了很好的概述，因此非常值得阅读。 ? 这篇论文定义了 GAN 框架，并讨论了 “非饱和” 损失函数。论文还给出了最优判别器的推导，这是近年来 GAN 论文中经常出现的一个证明。
2.2K30发布于 2019-07-04 - 来自专栏有三AI
【每周NLP论文推荐】 知识图谱重要论文介绍
欢迎来到《每周NLP论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。 知识图谱是NLP中非常重要的底层基础建筑。 文章引用量：100+ 推荐指数：✦✦✦✦✧ ? [3] Bechhofer S. OWL: Web Ontology Language[J]. 文章引用量：500+ 推荐指数：✦✦✦✦✦ ? [4] AUER, Al S E . DBpedia: A Nucleus for a Web of Open Data. 目前的趋势都是采用联合抽取的方式，这里介绍2篇比较典型的论文。 文章引用量：20+ 推荐指数：✦✦✦✦✦ ? [5] Zheng S , Wang F , Bao H , et al. 文章引用量：10+ 推荐指数：✦✦✦✦✦ ? [7] Bosselut A , Rashkin H , Sap M , et al.
1.1K40发布于 2019-10-10 - 来自专栏机器学习与推荐算法
最新推荐系统论文速递
检索到了两篇关于推荐系统的论文，一篇是关于在知识图上改进负采样策略的，另一篇是在图上进行对抗学习的综述。 Reinforced Negative Sampling over Knowledge Graph for Recommendation 关键字：强化学习+知识图+矩阵分解 概述：正确处理缺失数据是推荐场景中的一项基本挑战 目前的大多数工作都是从未观察到的数据中进行负采样，从而为推荐模型的训练提供负样本。但是，现有的静态或自适应负采样策略不足以产生高质量的负采样，也不利于模型训练和反映用户的实际需求。 具体而言，通过执行设计的探索操作，它可以从目标正互动中导航，自适应地接收具有知识意识的负信号，并最终产生潜在的负样本来训练推荐系统。
93021发布于 2020-04-21 - 来自专栏null的专栏
推荐系统——（论文阅读笔记）YouTube的视频推荐系统
《The YouTube video recommendation system》是一篇详细介绍YouTube视频推荐的论文，在整个系统中没有复杂的算法，使用了一些简单有效的策略，这也符合工业界的应用， 以下是论文的核心内容： 目标 帮助用户找到高质量且符合用户兴趣的视频，最终实现的是Top-N推荐。 总的思想 利用用户的互动行为数据，推荐与互动过视频相似的视频。 由 可以表示成一个有向图，其中，权重为 ，如下所示： 生成推荐的候选 1、一级 假设种子集合为 ，由上述的相似性的方法挖掘出一些候选： 这样的方法容易产生narrow recommendations ，即推荐的视频与种子视频相似度极高，这对推荐来说不能满足多样性的要求。 right )=\bigcup_{v_i\in C_{n-1}}R_i C2(S)=vi∈Cn−1⋃Ri 3、多级 上述的结论推广至多级，形成最终的推荐结果为
2.1K31编辑于 2022-03-04 - 来自专栏arXiv每日学术速递
【论文推荐】《目标检测》必看的6篇论文【附pdf】
本文就为大家推荐其中 6 篇有价值的目标检测论文。 目标检测论文推荐 2021 01 推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。 02 推荐理由：这篇论文作者提出一种简单而高效的通过解耦特征进行目标检测的蒸馏方法。 03 推荐理由：这篇论文为第一篇基于深度学习的无监督跨域目标检测论文，该文章对Faster R-CNN的图像级和实例级特征同时作对抗域自适应。 04 推荐理由：这篇论文针对[01]存在过度适配图像特征的问题，提出了一种弱图像级特征对齐范式，同时在底层特征上做强对齐，整体称作强-弱特征对齐。 06 推荐理由：这篇文章提出了一种多层对抗网络用于适配双阶段检测器，所提出的网络主要包含两部分，分层域特征对齐和聚合的proposal特征对齐。 那么这些目标检测的论文怎样才能又好又快地吃透呢？
99420编辑于 2022-05-23 - 来自专栏贾志刚-OpenCV学堂
【论文推荐】《目标检测》必看的6篇论文【附pdf】
本文就为大家推荐其中 6 篇有价值的目标检测论文。 目标检测论文推荐 2021 01 推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。 02 推荐理由：这篇论文作者提出一种简单而高效的通过解耦特征进行目标检测的蒸馏方法。 03 推荐理由：这篇论文为第一篇基于深度学习的无监督跨域目标检测论文，该文章对Faster R-CNN的图像级和实例级特征同时作对抗域自适应。 04 推荐理由：这篇论文针对[01]存在过度适配图像特征的问题，提出了一种弱图像级特征对齐范式，同时在底层特征上做强对齐，整体称作强-弱特征对齐。 06 推荐理由：这篇文章提出了一种多层对抗网络用于适配双阶段检测器，所提出的网络主要包含两部分，分层域特征对齐和聚合的proposal特征对齐。 那么这些目标检测的论文怎样才能又好又快地吃透呢？
1.8K50编辑于 2022-04-28 - 来自专栏深度学习自然语言处理
【论文推荐】《目标检测》必看的8篇论文【附pdf】
本文就为大家推荐其中8篇最新的目标检测论文。 这次我们请来了BAT算法工程师——张老师，推出【目标检测】YOLO V5论文精讲直播，为期2天，对论文和实验结果进行手把手分析，还有直播现场互动答疑，彻底夯实目标检测基础。 直播嘉宾： —— 直播内容与安排 —— 1、6月23日20:30直播 1.为什么要学习目标检测论文 2.目标检测发展历程与前进方向 3.YOLO V3回顾和YOLO V3理论知识详解 4.注意事项 2、6月24日20:30直播 1.YOLO V5论文精读 2.YOLO V5细节讲解 3.实验结果分析 4.论文总结 ↓ 前方福利 ↓ 原价399元，现在0.1元领取！ 扫码添加客服 即可领取↓ 回复“目标检测论文”免费领目标检测论文PDF
1.5K10编辑于 2022-06-27 - 来自专栏AI算法札记
WWW22 推荐系统论文之序列推荐篇
1] [2]已对推荐系统和计算广告相关论文进行梳理，本文选择序列推荐方向个人感兴趣的论文进行进一步解读，对于已有人解读的论文，本文会给出相应链接。 2202.13090 代码链接: https://github.com/tsinghua-fib-lab/CLSR 论文机构: 清华、快手 论文分类: 序列推荐，长短期兴趣，对比学习，自监督 论文总结: /2202.13556.pdf 代码链接: https://github.com/RUCAIBox/FMLP-Rec 论文机构: 人大、中科院 论文分类: 序列推荐、MLP、滤波 论文总结: RNN、CNN : 序列推荐、相关推荐 论文总结: 在众多电商平台中，个性化推荐已被证明具有巨大的商业价值，可以提高用户满意度，增加平台收入。 相关解读: [12] 参考文献 [1] WWW2022推荐系统、计算广告论文汇总 [2] WWW 2022 推荐系统和广告相关论文整理分类 [3] 用户长短期兴趣 Disentangling Long
1.8K30编辑于 2022-08-02 - 来自专栏null的专栏
论文阅读——YouTube的视频推荐系统
《The YouTube video recommendation system》是一篇详细介绍YouTube视频推荐的论文，在整个系统中没有复杂的算法，使用了一些简单有效的策略，这也符合工业界的应用 ---- 以下是论文的核心内容： 目标 帮助用户找到高质量且符合用户兴趣的视频，最终实现的是Top-N推荐。 总的思想 利用用户的互动行为数据，推荐与互动过视频相似的视频。 生成推荐的候选 1、一级 假设种子集合为SSS，由上述的相似性的方法挖掘出一些候选： C1(S)=⋃vi∈SRiC1(S)=⋃vi∈SRi C_1\left ( S \right )=\bigcup_ 这样的方法容易产生narrow recommendations，即推荐的视频与种子视频相似度极高，这对推荐来说不能满足多样性的要求。 3、多级 上述的结论推广至多级，形成最终的推荐结果为： Cfinal=(⋃i=0NCi)∖SCfinal=(⋃i=0NCi)∖S C_{final}=\left ( \bigcup_{i=0}^{N}
1.5K30发布于 2019-01-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号