papernote

sistem pemberi rekomendasi

• 2018.07 Model Penyematan Pengguna Konten Mendalam untuk Rekomendasi Musik [arxiv] [catatan]
• 2017.08 Jaringan Dalam & Lintas untuk Prediksi Klik Iklan [arxiv] [catatan]
• 2017.03 DeepFM: Jaringan Neural Berbasis Mesin Faktorisasi untuk Prediksi RKT [arxiv] [catatan]
• 2016.09 Jaringan Neural Dalam untuk Rekomendasi YouTube [penelitian] [catatan]
• 2016.06 Pembelajaran Luas & Mendalam untuk Sistem Rekomendasi [arxiv] [catatan]
• 2010.12 Mesin Faktorisasi [ieee] [catatan]
• 1998.08 Umpan Balik Implisit untuk Sistem Rekomendasi [aaai] [catatan]

QA & pembuatan teks

QA: berbasis pengambilan (papan peringkat):

• 2018.12 Desain dan Implementasi XiaoIce, Chatbot Sosial yang Empati [arxiv] [catatan]
• 2018.06 Memodelkan Percakapan Multi-putaran dengan Agregasi Ucapan Mendalam [arxiv] [catatan]
• 2017.11 Survei Sistem Dialog: Kemajuan Terkini dan Batasan Baru [arxiv] [catatan]
• 2017.05 IRGAN [arxiv] [catatan]
• 2017.02 Pencocokan Multi-Perspektif Bilateral untuk Kalimat Bahasa Alami [arxiv] [catatan]
• 2016.12 Arsitektur Baru untuk Pemilihan Respons Multi-putaran di Chatbots berbasis Pengambilan [arxiv] [catatan]
• 2016.11 Model Bandingkan-Agregat untuk Mencocokkan Urutan Teks [arxiv] [catatan]
• 2016.10 Estimasi Kontras Kebisingan untuk Pemilihan Jawaban dengan Deep Neural Networks [semanticscholar] [catatan]
• 2016.02 Jaringan Pengumpulan Perhatian [arxiv] [catatan]
• 2015.11 Model Pembelajaran Mendalam Berbasis LSTM Untuk Pemilihan Jawaban Non-factoid [arxiv] [catatan]

chatbot: berbasis generasi:

• 2018.04 Obrolan Lebih Banyak: Memperdalam dan Memperluas Topik Obrolan melalui Model yang Mendalam [makalah] [catatan]
• 2018.01 Dari Eliza hingga XiaoIce: Tantangan dan Peluang dengan Chatbot Sosial [arxiv] [terjemahan]
• 2017.11 Pembuatan Respon Neural dengan Kosakata Dinamis [arxiv] [catatan]
• 2017.11 MOJITALK: Membangkitkan Respon Emosional [arxiv] [catatan]
• 2017.07 AliMe Chat: Urutan untuk Mengurutkan dan Mengubah Peringkat Mesin Chatbot berbasis [aclweb] [catatan]
• 2017.04 Generasi Percakapan Emosional dengan Memori Internal dan Eksternal [arxiv] [catatan]
• 2017.03 Pembelajaran Keberagaman Tingkat Wacana untuk Model Dialog Neural menggunakan CVAE [arxiv] [catatan]
• 2017.02 Model Percakapan Neural Berlandaskan Pengetahuan [arxiv] [catatan]
• 2017.01 Menghasilkan Respons yang Panjang dan Beragam dengan Model Percakapan Neural [arxiv] [catatan]
• 2016.07 Urutan Mundur dan Maju [arxiv] [catatan]
• Pembuatan Respon Neural Sadar Topik 2016.06 [arxiv] [catatan]
• 2016.06 Pembelajaran Penguatan Mendalam untuk Generasi Dialog [arxiv] [catatan]
• 2015.03 Mesin Respon Neural untuk Percakapan Teks Pendek [arxiv] [catatan]

pembuatan teks

• Pembuatan Topik-ke-Esai 2018.06 dengan Jaringan Syaraf Tiruan [makalah] [catatan]
• 2016.10 Generasi Puisi Tiongkok dengan Jaringan Syaraf Berbasis Perencanaan [arxiv] [catatan]
• 2016.03 Memasukkan Mekanisme Penyalinan dalam Pembelajaran Sequence-to-Sequence [arxiv] [catatan]

klasifikasi

• 2019.05 Bagaimana Menyempurnakan BERT untuk Klasifikasi Teks? [arxiv] [catatan]
• 2018.06 SGM: Model Pembuatan Urutan untuk Klasifikasi Multi-Label [arxiv] [catatan]
• 2018.04 ETH-DS3Lab di SemEval-2018 Tugas 7: ... Klasifikasi dan Ekstraksi Relasi [arxiv] [catatan]
• 2017.08 Menggunakan jutaan kemunculan emoji untuk mempelajari representasi domain apa pun untuk ... [aclweb] [catatan]
• 2016.xx LSTM Berbasis Perhatian untuk Klasifikasi Sentimen Tingkat Aspek [aclweb] [catatan]
• 2016.07 Kumpulan Trik untuk Klasifikasi Teks yang Efisien (teks cepat) [arxiv] [catatan]
• 2016.06 Jaringan Perhatian Hierarki untuk Klasifikasi Dokumen [aclweb] [catatan]
• 2016.03 Klasifikasi Teks Pendek Berurutan dengan Jaringan Neural Berulang dan Konvolusional [arxiv] [catatan]
• 2015.07 Mengklasifikasikan Relasi berdasarkan Pemeringkatan dengan Jaringan Neural Konvolusional [aclweb] [catatan]
• 2014.08 Jaringan Neural Konvolusional untuk Klasifikasi Kalimat [aclweb] [catatan]
• 2012.07 Baseline dan Bigram: Sederhana, Sentimen Baik dan Klasifikasi Topik [aclweb] [catatan]

penyematan

penyematan kata:

• 2018.12 Tentang Dimensi Penyematan Kata [arxiv] [catatan]
• 09.2018 Mengungkap informasi linguistik yang berbeda dalam penyematan kata ... [arxiv] [catatan]
• 2018.02 Representasi kata yang dikontekstualisasikan secara mendalam (ELMo) [arxiv] [catatan]
• 2017.12 Kemajuan dalam Representasi Kata Terdistribusi Pra-Pelatihan [arxiv] [catatan]
• 2017.07 Pendekatan Sederhana untuk Mempelajari Penyematan Kata Polisemi [arxiv] [catatan]
• 2017.07 Meniru Penyematan Kata menggunakan RNN Subkata [arxiv] [catatan]
• 2016.07 Memperkaya Vektor Kata dengan Informasi Subkata [arxiv] [catatan]
• 2013.01 Keteraturan Linguistik dalam Representasi Kata Ruang Berkelanjutan [aclweb] [catatan]

penyematan kalimat:

• 2018.09 Pemodelan Urutan Semi-Supervisi dengan Pelatihan Cross-View [arxiv] [catatan]
• 2018.05 Baseline Membutuhkan Lebih Banyak Cinta: Pada Model Berbasis Penyematan Kata Sederhana dan ... [arxiv] [catatan]
• 2018.04 Mempelajari Kesamaan Tekstual Semantik dari Percakapan [arxiv] [catatan]
• 2018.03 Kerangka Efisien untuk Mempelajari Representasi Kalimat [arxiv] [catatan]
• 2017.05 Pembelajaran Terbimbing Representasi Kalimat Universal dari Data NLI [arxiv] [catatan]
• 2016.11 Garis Dasar yang Sederhana Namun Sulit untuk Dikalahkan untuk Penyematan Kalimat [openreview] [catatan]
• 2016.05 Pembelajaran Inferensi Bahasa Alami menggunakan model BiDirectional LSTM dan Inner-Attention [arxiv] [catatan]
• 2016.02 Mempelajari Representasi Kalimat Terdistribusi dari Data Tak Berlabel [arxiv] [catatan]
• 2015.12 Mempelajari Kesamaan Semantik untuk Teks Sangat Pendek [arxiv] [catatan]
• 2015.11 Urutan Penyematan Gambar dan Bahasa [arxiv] [catatan]
• 2014.05 Representasi Kalimat dan Dokumen yang Terdistribusi [arxiv] [catatan]

penyematan pengguna:

• 2017.05 Mengukur Kesehatan Mental dari Media Sosial dengan Neural User Embeddings [arxiv] [catatan]

regularisasi & normalisasi

• 2018.08 Dropout adalah kasus khusus dari aturan stokastik delta: pembelajaran mendalam yang lebih cepat dan akurat [arxiv] [catatan]
• 2018.05 Bagaimana Normalisasi Batch Membantu Optimasi? (Tidak, Ini Bukan Tentang Pergeseran Kovariat Internal) [arxiv] [catatan]
• Renormalisasi Batch 2017.02 [arxiv] [catatan]
• 2016.07 Normalisasi Lapisan [arxiv] [catatan]
• 2016.05 Metode Pelatihan Adversarial untuk Klasifikasi Teks Semi-Supervisi [arxiv] [catatan]
• 2016.03 Normalisasi Batch Berulang [arxiv] [catatan]
• 2016.02 Normalisasi Berat Badan [arxiv] [catatan]
• 2015.10 Batch Jaringan Neural Berulang yang Dinormalisasi [arxiv] [catatan]
• 2015.07 Pemulusan Distribusi dengan Pelatihan Adversarial Virtual [arxiv] [catatan]
• Normalisasi Batch 2015.02 [arxiv] [catatan]
• 2014.12 Menjelaskan dan Memanfaatkan Contoh Adversarial [arxiv] [catatan]
• 2013.06 Regularisasi Jaringan Neural menggunakan DropConnect [kertas] [catatan]
• Pembelajaran Kurikulum 2009.06 [collobert] [catatan]

jaringan saraf

• 2019.01 Apakah Saatnya Berkumur? Membandingkan Fungsi Aktivasi Pembelajaran Mendalam di Seluruh Tugas NLP [arxiv] [catatan]
• 2018.03 Target Dropout [openreview] [catatan]
• 2017.11 Model Bahasa Perhatian [aclweb] [catatan]
• 2017.04 Model Bahasa Jaringan Neural Berulang Memori Jangka Pendek Panjang Dua Arah Kontekstual [aclweb] [catatan]
• 2017.04 Belajar Menghasilkan Ulasan dan Menemukan Sentimen [arxiv] [catatan]
• 2017.04 Menjelajahi Ketersebaran di Jaringan Neural Berulang [arxiv] [catatan]
• 2017.02 Deep Nets Jangan Belajar Melalui Hafalan [openreview] [catatan]
• 2017.01 Pemodelan Bahasa Konteks Dialog dengan Jaringan Neural Berulang [arxiv] [catatan]
• 2016.11 Mengikat Vektor Kata dan Pengklasifikasi Kata: Kerangka Kerugian untuk Pemodelan Bahasa [arxiv] [catatan]
• 2016.11 Memahami Pembelajaran Mendalam Memerlukan Pemikiran Ulang Generalisasi [arxiv] [catatan]
• 2016.09 Ikhtisar algoritma optimasi penurunan gradien [arxiv] [catatan]
• 2016.09 Model Campuran Pointer Sentinel [arxiv] [catatan]
• 2016.08 Menggunakan Penyematan Output untuk Meningkatkan Model Bahasa [arxiv] [catatan]
• 2016.03 Putus Sekolah Berulang tanpa Kehilangan Memori [arxiv] [catatan]
• 2015.11 Menambahkan Kebisingan Gradien Meningkatkan Pembelajaran untuk Jaringan Sangat Dalam [arxiv] [catatan]
• 2015.11 Pembelajaran Urutan Semi-supervisi [arxiv] [catatan]
• 2015.06 Memvisualisasikan dan Memahami Jaringan Berulang [arxiv] [catatan]
• Kalkulus 2015.xx pada Grafik Komputasi: Propagasi Balik [github] [catatan]
• 2014.12 Evaluasi Empiris Gated Recurrent Neural Networks pada Sequence Modeling [arxiv] [catatan]
• 2014.09 Regularisasi Jaringan Neural Berulang [arxiv] [catatan]
• 2013.12 Cara Membangun Jaringan Neural Berulang Dalam [arxiv] [catatan]
• 2010.xx Memahami kesulitan melatih jaringan saraf feedforward dalam [image] [catatan]
• 2010.xx Stacked Denoising Autoencoder [kertas] [catatan]
• 2008.07 Arsitektur Terpadu untuk Pemrosesan Bahasa Alami [collobert] [catatan]

transformator

• 2019.09 ALBERT: BERT Ringan untuk Pembelajaran Representasi Bahasa dengan Pengawasan Mandiri [arxiv] [catatan]
• RoBERTa 2019.07 : Pendekatan Pra-pelatihan BERT yang Dioptimalkan dengan Kuat [arxiv] [catatan]
• 2019.04 ERNIE: Peningkatan Representasi melalui Integrasi Pengetahuan [arxiv] [catatan]
• 2018.10 BERT: Pra-pelatihan Transformator Dua Arah Dalam untuk Pemahaman Bahasa [arxiv] [catatan]
• 2018.06 Meningkatkan Pemahaman Bahasa dengan Pra-Pelatihan Generatif [amazonaws] [catatan]
• 2018.03 Encoder Kalimat Universal [arxiv] [catatan]
• 2017.06 Hanya Perhatian yang Anda Butuhkan [arxiv] [catatan]

urutan ke urutan

• 2018.07 Augmentasi Data Urutan ke Urutan untuk Pemahaman Bahasa Dialog [arxiv] [terjemahan]
• 2018.07 Pembelajaran Peningkatan Kefasihan dan Inferensi untuk Koreksi Kesalahan Tata Bahasa Neural [aclweb] [catatan]
• 2017.04 Langsung ke Inti: Peringkasan dengan Jaringan Pointer-Generator [arxiv] [catatan]
• 2017.04 Belajar Membaca Teks [arxiv] [catatan]
• 2015.06 Jaringan Pointer [arxiv] [catatan]
• 2015.06 Vektor Lewati Pemikiran [arxiv] [catatan]
• 2014.12 Tata Bahasa sebagai Bahasa Asing [arxiv] [catatan]
• 2014.12 Tentang Penggunaan Kosakata Target Sangat Besar untuk Terjemahan Mesin Neural [arxiv] [catatan]
• Terjemahan Mesin Neural 2014.09 oleh Jontly Learning to Align and Translate [arxiv] [catatan]
• 2014.09 Pembelajaran Urutan ke Urutan dengan Jaringan Syaraf Tiruan [arxiv] [catatan]

multi tugas

• 2019.01 Jaringan Neural Dalam Multi-Tugas untuk Pemahaman Bahasa Alami [arxiv] [catatan]
• 2018.08 Pemodelan Hubungan Tugas dalam Pembelajaran Multi-tugas dengan Campuran Pakar Multi-gerbang [acm] [catatan]
• 2016.12 Mengatasi bencana lupa di jaringan saraf [arxiv] [catatan]

pengakuan entitas nama

• 2018.05 NER Cina Menggunakan Lattice LSTM [arxiv] [catatan]
• 2018.03 Klasifikasi Jenis Entitas Neural Halus dengan Kehilangan Sadar Hierarki [arxiv] [catatan]
• 2017.04 Pembelajaran Multitugas Semi-supervisi untuk Pelabelan Urutan [arxiv] [catatan]
• 2016.03 Arsitektur Neural untuk Pengenalan Entitas Bernama [arxiv] [catatan]
• Arsitektur Neural 2016.xx untuk Klasifikasi Tipe Entitas Berbutir Halus [aclweb] [catatan]

pembelajaran yang diawasi sendiri

• 2020.02 Kerangka Sederhana untuk Pembelajaran Kontrasif Representasi Visual [arxiv] [catatan]

yang lain

• 2017.06 Modul jaringan saraf sederhana untuk penalaran relasional [arxiv] [catatan]
• 2016.11 Kata atau Karakter, Gerbang Berbutir Halus Untuk Pemahaman Membaca [arxiv] [catatan]
• 2016.08 Terjemahan Mesin Neural Kata Langka dengan Unit Subkata (BPE) [aclweb] [catatan]
• 2005.08 Personalisasi Pencarian melalui Analisis Minat dan Aktivitas Otomatis [microsoft] [catatan]