papernote

sistema de recomendação

• 2018.07 Modelo de incorporação de usuário de conteúdo profundo para recomendação de música [arxiv] [nota]
• 2017.08 Rede profunda e cruzada para previsões de cliques em anúncios [arxiv] [nota]
• 2017.03 DeepFM: Uma rede neural baseada em máquina de fatoração para previsão de CTR [arxiv] [nota]
• 2016.09 Redes Neurais Profundas para Recomendações do YouTube [pesquisa] [nota]
• 2016.06 Aprendizado amplo e profundo para sistemas de recomendação [arxiv] [nota]
• 2010.12 Máquinas de Fatoração [ieee] [nota]
• 1998.08 Feedback implícito para sistemas de recomendação [aaai] [nota]

Controle de qualidade e geração de texto

Controle de qualidade: baseado em recuperação (tabela de classificação):

• 2018.12 O design e implementação do XiaoIce, um chatbot social empático [arxiv] [nota]
• 2018.06 Modelagem de conversa multivoltas com agregação de expressão profunda [arxiv] [nota]
• 2017.11 Uma Pesquisa sobre Sistemas de Diálogo: Avanços Recentes e Novas Fronteiras [arxiv] [nota]
• 2017.05 IRGAN [arxiv] [nota]
• 2017.02 Correspondência multiperspectiva bilateral para sentenças em linguagem natural [arxiv] [nota]
• 2016.12 Uma nova arquitetura para seleção de respostas multivoltas em chatbots baseados em recuperação [arxiv] [nota]
• 2016.11 Um modelo comparador-agregado para correspondência de sequências de texto [arxiv] [nota]
• 2016.10 Estimativa contrastiva de ruído para seleção de respostas com redes neurais profundas [semanticscholar] [nota]
• 2016.02 Redes de Pooling Atentas [arxiv] [nota]
• 2015.11 Modelos de aprendizado profundo baseados em LSTM para seleção de respostas não factóides [arxiv] [nota]

chatbot: baseado em geração:

• 2018.04 Bate-papo mais: aprofundando e ampliando o tópico do bate-papo por meio de um modelo profundo [artigo] [nota]
• 2018.01 De Eliza a XiaoIce: desafios e oportunidades com chatbots sociais [arxiv] [tradução]
• 2017.11 Geração de resposta neural com vocabulários dinâmicos [arxiv] [nota]
• 2017.11 MOJITALK: Gerando respostas emocionais [arxiv] [nota]
• 2017.07 AliMe Chat: um mecanismo de chatbot baseado em sequência para sequência e reclassificação [aclweb] [nota]
• 2017.04 Geração de Conversa Emocional com Memória Interna e Externa [arxiv] [nota]
• 2017.03 Aprendendo Diversidade em Nível de Discurso para Modelos de Diálogo Neural usando CVAE [arxiv] [nota]
• 2017.02 Um modelo de conversa neural baseado em conhecimento [arxiv] [nota]
• 2017.01 Gerando respostas longas e diversas com modelos de conversação neural [arxiv] [nota]
• 2016.07 Sequência para sequência regressiva e progressiva [arxiv] [nota]
• 2016.06 Geração de resposta neural com reconhecimento de tópico [arxiv] [nota]
• 2016.06 Aprendizado por Reforço Profundo para Geração de Diálogo [arxiv] [nota]
• 2015.03 Máquina de resposta neural para conversas de texto curto [arxiv] [nota]

geração de texto

• 2018.06 Geração de tópico para ensaio com redes neurais [artigo] [nota]
• 2016.10 Geração de Poesia Chinesa com Rede Neural Baseada em Planejamento [arxiv] [nota]
• 2016.03 Incorporando mecanismo de cópia na aprendizagem sequência a sequência [arxiv] [nota]

classificação

• 2019.05 Como ajustar o BERT para classificação de texto? [arxiv] [nota]
• 2018.06 SGM: Modelo de geração de sequência para classificação multi-rótulo [arxiv] [nota]
• 2018.04 ETH-DS3Lab em SemEval-2018 Tarefa 7: ... Classificação e extração de relação [arxiv] [nota]
• 2017.08 Usando milhões de ocorrências de emoji para aprender representações de qualquer domínio para ... [aclweb] [nota]
• 2016.xx LSTM baseado em atenção para classificação de sentimento em nível de aspecto [aclweb] [nota]
• 2016.07 Conjunto de truques para classificação eficiente de texto (fasttext) [arxiv] [nota]
• 2016.06 Redes de Atenção Hierárquica para Classificação de Documentos [aclweb] [nota]
• 2016.03 Classificação sequencial de texto curto com redes neurais recorrentes e convolucionais [arxiv] [nota]
• 2015.07 Classificando relações por classificação com redes neurais convolucionais [aclweb] [nota]
• 2014.08 Redes Neurais Convolucionais para Classificação de Frases [aclweb] [nota]
• 2012.07 Linhas de base e bigrams: simples, bom sentimento e classificação de tópicos [aclweb] [nota]

incorporação

incorporação de palavras:

• 2018.12 Sobre a dimensionalidade da incorporação de palavras [arxiv] [nota]
• 2018.09 Descobrindo informações linguísticas divergentes em embeddings de palavras ... [arxiv] [nota]
• 2018.02 Representações de palavras contextualizadas profundas (ELMo) [arxiv] [nota]
• 2017.12 Avanços no pré-treinamento de representações de palavras distribuídas [arxiv] [nota]
• 2017.07 Uma abordagem simples para aprender incorporações de palavras polissêmicas [arxiv] [nota]
• 2017.07 Mimetizando incorporações de palavras usando RNNs de subpalavras [arxiv] [nota]
• 2016.07 Enriquecendo vetores de palavras com informações de subpalavras [arxiv] [nota]
• 2013.01 Regularidades linguísticas em representações de palavras em espaço contínuo [aclweb] [nota]

incorporação de frases:

• 2018.09 Modelagem de sequência semissupervisionada com treinamento cross-view [arxiv] [nota]
• 2018.05 A linha de base precisa de mais atenção: em modelos simples baseados em incorporação de palavras e ... [arxiv] [nota]
• 2018.04 Aprendendo similaridade textual semântica em conversas [arxiv] [nota]
• 2018.03 Uma estrutura eficiente para representações de frases de aprendizagem [arxiv] [nota]
• 2017.05 Aprendizagem supervisionada de representações de frases universais a partir de dados NLI [arxiv] [nota]
• 2016.11 Uma linha de base simples, mas difícil de superar para incorporações de frases [revisão aberta] [nota]
• 2016.05 Aprendendo inferência de linguagem natural usando modelo LSTM bidirecional e atenção interna [arxiv] [nota]
• 2016.02 Aprendendo representações distribuídas de sentenças de dados não rotulados [arxiv] [nota]
• 2015.12 Aprendendo similaridade semântica para textos muito curtos [arxiv] [nota]
• 2015.11 Incorporações de ordem de imagens e linguagem [arxiv] [nota]
• 2014.05 Representações Distribuídas de Sentenças e Documentos [arxiv] [nota]

incorporação do usuário:

• 2017.05 Quantificando a saúde mental nas mídias sociais com incorporações de usuários neurais [arxiv] [nota]

regularização e normalização

• 2018.08 O abandono é um caso especial da regra delta estocástica: aprendizado profundo mais rápido e preciso [arxiv] [nota]
• 2018.05 Como a normalização em lote ajuda na otimização? (Não, não se trata de mudança de covariável interna) [arxiv] [nota]
• 2017.02 Renormalização em lote [arxiv] [nota]
• 2016.07 Normalização de camada [arxiv] [nota]
• 2016.05 Métodos de treinamento adversário para classificação de texto semissupervisionado [arxiv] [nota]
• 2016.03 Normalização de lote recorrente [arxiv] [nota]
• 2016.02 Normalização de peso [arxiv] [nota]
• 2015.10 Redes Neurais Recorrentes Normalizadas em Lote [arxiv] [nota]
• 2015.07 Suavização Distribucional com Treinamento Adversarial Virtual [arxiv] [nota]
• 2015.02 Normalização em lote [arxiv] [nota]
• 2014.12 Explicando e aproveitando exemplos adversários [arxiv] [nota]
• 2013.06 Regularização de redes neurais usando DropConnect [artigo] [nota]
• 2009.06 Aprendizagem Curricular [collobert] [nota]

rede neural

• 2019.01 É hora de balançar? Comparando funções de ativação de aprendizado profundo em tarefas de PNL [arxiv] [nota]
• 2018.03 Abandono direcionado [openreview] [nota]
• 2017.11 Modelos de Linguagem Atenta [aclweb] [nota]
• 2017.04 Modelos de linguagem de rede neural recorrente de memória contextual bidirecional longa e de curto prazo [aclweb] [nota]
• 2017.04 Aprendendo a gerar avaliações e descobrindo sentimentos [arxiv] [nota]
• 2017.04 Explorando a dispersão em redes neurais recorrentes [arxiv] [nota]
• 2017.02 Deep Nets não aprendem por meio da memorização [openreview] [nota]
• 2017.01 Modelagem de linguagem de contexto de diálogo com redes neurais recorrentes [arxiv] [nota]
• 2016.11 Amarrando vetores de palavras e classificadores de palavras: uma estrutura de perdas para modelagem de linguagem [arxiv] [nota]
• 2016.11 Compreender o aprendizado profundo requer repensar a generalização [arxiv] [nota]
• 2016.09 Uma visão geral dos algoritmos de otimização de descida gradiente [arxiv] [nota]
• Modelos de mistura Pointer Sentinel 2016.09 [arxiv] [nota]
• 2016.08 Usando a incorporação de saída para melhorar modelos de linguagem [arxiv] [nota]
• 2016.03 Desistência recorrente sem perda de memória [arxiv] [nota]
• 2015.11 Adicionar ruído gradiente melhora o aprendizado para redes muito profundas [arxiv] [nota]
• 2015.11 Aprendizado de sequência semissupervisionado [arxiv] [nota]
• 2015.06 Visualizando e compreendendo redes recorrentes [arxiv] [nota]
• 2015.xx Cálculo em gráficos computacionais: retropropagação [github] [nota]
• 2014.12 Avaliação empírica de redes neurais recorrentes controladas em modelagem de sequência [arxiv] [nota]
• 2014.09 Regularização de rede neural recorrente [arxiv] [nota]
• 2013.12 Como construir redes neurais recorrentes profundas [arxiv] [nota]
• 2010.xx Compreendendo a dificuldade de treinar redes neurais feedforward profundas [imag] [nota]
• 2010.xx Autoencoders Stacked Denoising [artigo] [nota]
• 2008.07 Uma arquitetura unificada para processamento de linguagem natural [collobert] [nota]

transformador

• 2019.09 ALBERT: Um Lite BERT para aprendizagem autosupervisionada de representações de linguagem [arxiv] [nota]
• 2019.07 RoBERTa: uma abordagem de pré-treinamento BERT robustamente otimizada [arxiv] [nota]
• 2019.04 ERNIE: Representação aprimorada por meio da integração do conhecimento [arxiv] [nota]
• 2018.10 BERT: Pré-treinamento de transformadores bidirecionais profundos para compreensão de linguagem [arxiv] [nota]
• 2018.06 Melhorando a compreensão da linguagem por meio de pré-treinamento generativo [amazonaws] [nota]
• Codificador de frase universal 2018.03 [arxiv] [nota]
• 2017.06 Atenção é tudo que você precisa [arxiv] [nota]

sequência em sequência

• 2018.07 Aumento de dados de sequência a sequência para compreensão da linguagem de diálogo [arxiv] [tradução]
• 2018.07 Aprendizado e inferência para aumento de fluência para correção de erros gramaticais neurais [aclweb] [nota]
• 2017.04 Vá direto ao ponto: resumo com redes geradoras de ponteiro [arxiv] [nota]
• 2017.04 Aprendendo a ler rapidamente o texto [arxiv] [nota]
• 2015.06 Redes de ponteiros [arxiv] [nota]
• 2015.06 Vetores de pensamento ignorado [arxiv] [nota]
• 2014.12 Gramática como Língua Estrangeira [arxiv] [nota]
• 2014.12 Sobre o uso de vocabulário de destino muito grande para tradução automática neural [arxiv] [nota]
• 2014.09 Tradução automática neural por Jontly Learning to Align and Translate [arxiv] [nota]
• 2014.09 Aprendizagem sequência a sequência com redes neurais [arxiv] [nota]

multitarefa

• 2019.01 Redes Neurais Profundas Multitarefas para Compreensão da Linguagem Natural [arxiv] [nota]
• 2018.08 Modelagem de relacionamentos de tarefas em aprendizagem multitarefa com mistura de especialistas multiportas [acm] [nota]
• 2016.12 Superando o esquecimento catastrófico em redes neurais [arxiv] [nota]

reconhecimento de entidade de nome

• 2018.05 NER chinês usando Lattice LSTM [arxiv] [nota]
• 2018.03 Classificação de tipo de entidade neural refinada com perda de reconhecimento de hierarquia [arxiv] [nota]
• 2017.04 Aprendizado multitarefa semissupervisionado para rotulagem de sequências [arxiv] [nota]
• 2016.03 Arquiteturas Neurais para Reconhecimento de Entidades Nomeadas [arxiv] [nota]
• 2016.xx Arquiteturas Neurais para Classificação Refinada de Tipo de Entidade [aclweb] [nota]

aprendizagem auto-supervisionada

• 2020.02 Uma estrutura simples para aprendizagem contrastiva de representações visuais [arxiv] [nota]

outros

• 2017.06 Um módulo de rede neural simples para raciocínio relacional [arxiv] [nota]
• 2016.11 Palavra ou caracteres, controle refinado para compreensão de leitura [arxiv] [nota]
• 2016.08 Tradução automática neural de palavras raras com unidades de subpalavra (BPE) [aclweb] [nota]
• 2005.08 Personalização da pesquisa por meio de análise automatizada de interesses e atividades [microsoft] [nota]