หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

ระบบผู้แนะนำ

  • โมเดลการฝังเนื้อหาเชิงลึกของผู้ใช้ ปี 2018.07 สำหรับการแนะนำเพลง [arxiv] [หมายเหตุ]
  • 2017.08 Deep & Cross Network สำหรับการคาดการณ์การคลิกโฆษณา [arxiv] [หมายเหตุ]
  • 2017.03 DeepFM: โครงข่ายประสาทเทียมที่ใช้แฟคเตอร์ไรเซชันสำหรับการทำนาย CTR [arxiv] [หมายเหตุ]
  • 2016.09 Deep Neural Networks สำหรับการแนะนำของ YouTube [การวิจัย] [หมายเหตุ]
  • 2016.06 การเรียนรู้แบบกว้างและเชิงลึกสำหรับระบบผู้แนะนำ [arxiv] [หมายเหตุ]
  • 2010.12 เครื่องแยกตัวประกอบ [ieee] [หมายเหตุ]
  • 1998.08 ผลตอบรับโดยนัยสำหรับระบบผู้แนะนำ [aaai] [หมายเหตุ]

QA และการสร้างข้อความ

QA: ตามการดึงข้อมูล (ลีดเดอร์บอร์ด):

  • 2018.12 การออกแบบและการปรับใช้ XiaoIce ซึ่งเป็น Chatbot ทางสังคมที่เอาใจใส่ [arxiv] [หมายเหตุ]
  • 2018.06 การสร้างแบบจำลองการสนทนาหลายรอบด้วยการรวมคำพูดที่ลึกซึ้ง [arxiv] [หมายเหตุ]
  • 2017.11 การสำรวจเกี่ยวกับระบบการสนทนา: ความก้าวหน้าล่าสุดและขอบเขตใหม่ [arxiv] [หมายเหตุ]
  • 2017.05 IRGAN [arxiv] [หมายเหตุ]
  • 2017.02 การจับคู่หลายมุมมองระดับทวิภาคีสำหรับประโยคภาษาธรรมชาติ [arxiv] [หมายเหตุ]
  • 2016.12 สถาปัตยกรรมใหม่สำหรับการเลือกการตอบสนองแบบหลายเทิร์นใน Chatbots แบบดึงข้อมูล [arxiv] [หมายเหตุ]
  • 2016.11 โมเดลเปรียบเทียบรวมสำหรับการจับคู่ลำดับข้อความ [arxiv] [หมายเหตุ]
  • 2016.10 การประมาณค่าความเปรียบต่างของสัญญาณรบกวนสำหรับการเลือกคำตอบด้วยโครงข่ายประสาทเทียมเชิงลึก [semanticscholar] [หมายเหตุ]
  • 2016.02 เครือข่ายการรวมกลุ่มที่เอาใจใส่ [arxiv] [หมายเหตุ]
  • โมเดลการเรียนรู้เชิงลึกที่ใช้ LSTM ปี 2015.11 สำหรับการเลือกคำตอบที่ไม่ใช่ข้อเท็จจริง [arxiv] [หมายเหตุ]

chatbot: ตามรุ่น:

  • 2018.04 พูดคุยเพิ่มเติม: การทำให้หัวข้อการสนทนาลึกซึ้งยิ่งขึ้นและกว้างขึ้นผ่าน A Deep Model [กระดาษ] [หมายเหตุ]
  • 2018.01 จาก Eliza สู่ XiaoIce: ความท้าทายและโอกาสด้วย Social Chatbots [arxiv] [แปล]
  • 2017.11 การสร้างการตอบสนองของระบบประสาทด้วยคำศัพท์แบบไดนามิก [arxiv] [หมายเหตุ]
  • 11.11.2017 MOJITALK: การสร้างการตอบสนองทางอารมณ์ [arxiv] [หมายเหตุ]
  • 2017.07 AliMe Chat: ลำดับต่อลำดับและจัดอันดับ Chatbot Engine ที่ใช้อันดับใหม่ [aclweb] [หมายเหตุ]
  • 2017.04 การสร้างการสนทนาทางอารมณ์ด้วยหน่วยความจำภายในและภายนอก [arxiv] [หมายเหตุ]
  • 2017.03 การเรียนรู้ความหลากหลายระดับวาทกรรมสำหรับโมเดลไดอะล็อกประสาทโดยใช้ CVAE [arxiv] [หมายเหตุ]
  • 2017.02 โมเดลการสนทนาทางประสาทที่มีเหตุผล [arxiv] [หมายเหตุ]
  • 2017.01 การสร้างการตอบสนองที่ยาวนานและหลากหลายด้วยโมเดลการสนทนาทางประสาท [arxiv] [หมายเหตุ]
  • 2016.07 ลำดับสู่ลำดับย้อนหลังและไปข้างหน้า [arxiv] [หมายเหตุ]
  • 2016.06 หัวข้อ Aware Neural Response Generation [arxiv] [หมายเหตุ]
  • 2016.06 การเรียนรู้แบบเสริมกำลังเชิงลึกสำหรับการสร้างบทสนทนา [arxiv] [หมายเหตุ]
  • 2015.03 เครื่องตอบสนองทางประสาทสำหรับการสนทนาด้วยข้อความสั้น [arxiv] [หมายเหตุ]

การสร้างข้อความ

  • 2018.06 การสร้างหัวข้อเป็นเรียงความด้วยโครงข่ายประสาทเทียม [กระดาษ] [หมายเหตุ]
  • 2016.10 การสร้างบทกวีจีนด้วยโครงข่ายประสาทเทียมตามการวางแผน [arxiv] [หมายเหตุ]
  • 2016.03 การผสมผสานกลไกการคัดลอกในการเรียนรู้แบบเรียงลำดับต่อลำดับ [arxiv] [หมายเหตุ]

การจำแนกประเภท

  • 2019.05 จะปรับแต่ง BERT สำหรับการจำแนกข้อความได้อย่างไร [arxiv] [หมายเหตุ]
  • SGM ปี 2018.06 : โมเดลการสร้างลำดับสำหรับการจำแนกประเภทหลายฉลาก [arxiv] [หมายเหตุ]
  • 2018.04 ETH-DS3Lab ที่งาน SemEval-2018 งานที่ 7: ... การจำแนกประเภทความสัมพันธ์และการดึงข้อมูล [arxiv] [หมายเหตุ]
  • 2017.08 การใช้อีโมจินับล้านครั้งเพื่อเรียนรู้การเป็นตัวแทนโดเมนสำหรับ ... [aclweb] [หมายเหตุ]
  • 2016.xx LSTM ที่อิงตามความสนใจสำหรับการจำแนกความรู้สึกระดับมุมมอง [aclweb] [หมายเหตุ]
  • 2016.07 Bag of Tricks เพื่อการจำแนกข้อความที่มีประสิทธิภาพ (ข้อความด่วน) [arxiv] [หมายเหตุ]
  • 2016.06 เครือข่ายความสนใจแบบลำดับชั้นสำหรับการจำแนกเอกสาร [aclweb] [หมายเหตุ]
  • 2016.03 การจำแนกข้อความสั้นตามลำดับด้วยโครงข่ายประสาทเทียมแบบเกิดซ้ำและแบบ Convolutional [arxiv] [หมายเหตุ]
  • 2015.07 การจำแนกความสัมพันธ์ตามการจัดอันดับด้วย Convolutional Neural Networks [aclweb] [หมายเหตุ]
  • 2014.08 Convolutional Neural Networks สำหรับการจำแนกประโยค [aclweb] [หมายเหตุ]
  • 2012.07 Baselines and Bigrams: Simple, Good Sentiment and Topic Classification [aclweb] [หมายเหตุ]

การฝัง

การฝังคำ:

  • 2018.12 เรื่องมิติของการฝังคำ [arxiv] [หมายเหตุ]
  • 2018.09 การเปิดเผยข้อมูลทางภาษาที่แตกต่างในการฝังคำ ... [arxiv] [หมายเหตุ]
  • 2018.02 การแสดงคำตามบริบทเชิงลึก (ELMo) [arxiv] [หมายเหตุ]
  • 2017.12 ความก้าวหน้าในการนำเสนอคำแบบกระจายก่อนการฝึกอบรม [arxiv] [หมายเหตุ]
  • 2017.07 วิธีง่ายๆ ในการเรียนรู้การฝังคำแบบหลายคำ [arxiv] [หมายเหตุ]
  • 2017.07 การเลียนแบบการฝังคำโดยใช้ Subword RNNs [arxiv] [หมายเหตุ]
  • 2016.07 การเพิ่มคุณค่าให้กับเวกเตอร์คำด้วยข้อมูลคำย่อย [arxiv] [หมายเหตุ]
  • 2013.01 ความสม่ำเสมอทางภาษาในการแทนคำในอวกาศต่อเนื่อง [aclweb] [หมายเหตุ]

การฝังประโยค:

  • 2018.09 การสร้างแบบจำลองลำดับกึ่งกำกับดูแลพร้อมการฝึกอบรม Cross-View [arxiv] [หมายเหตุ]
  • 2018.05 Baseline Needs More Love: On Simple Word-Embedding-Based Models และ ... [arxiv] [หมายเหตุ]
  • 2018.04 การเรียนรู้ความคล้ายคลึงกันของข้อความเชิงความหมายจากการสนทนา [arxiv] [หมายเหตุ]
  • 2018.03 กรอบการทำงานที่มีประสิทธิภาพสำหรับการนำเสนอประโยคการเรียนรู้ [arxiv] [หมายเหตุ]
  • 2017.05 การเรียนรู้ภายใต้การดูแลของการแทนประโยคสากลจากข้อมูล NLI [arxiv] [หมายเหตุ]
  • 2016.11 บรรทัดฐานที่เรียบง่ายแต่ยากที่จะเอาชนะสำหรับการฝังประโยค [openreview] [หมายเหตุ]
  • 2016.05 การเรียนรู้การอนุมานภาษาธรรมชาติโดยใช้แบบจำลอง LSTM แบบสองทิศทางและความสนใจภายใน [arxiv] [หมายเหตุ]
  • 2016.02 การเรียนรู้การกระจายการนำเสนอประโยคจากข้อมูลที่ไม่มีป้ายกำกับ [arxiv] [หมายเหตุ]
  • 2015.12 การเรียนรู้ความคล้ายคลึงทางความหมายสำหรับข้อความที่สั้นมาก [arxiv] [หมายเหตุ]
  • 2015.11 ลำดับการฝังรูปภาพและภาษา [arxiv] [หมายเหตุ]
  • 2014.05 การกระจายการนำเสนอประโยคและเอกสาร [arxiv] [หมายเหตุ]

การฝังผู้ใช้:

  • 2017.05 การหาปริมาณสุขภาพจิตจากโซเชียลมีเดียด้วยการฝังผู้ใช้ประสาท [arxiv] [หมายเหตุ]

การทำให้เป็นมาตรฐานและการทำให้เป็นมาตรฐาน

  • 2018.08 การออกกลางคันเป็นกรณีพิเศษของกฎสุ่มเดลต้า: การเรียนรู้เชิงลึกที่เร็วขึ้นและแม่นยำยิ่งขึ้น [arxiv] [หมายเหตุ]
  • 2018.05 Batch Normalization ช่วยเพิ่มประสิทธิภาพได้อย่างไร? (ไม่ มันไม่เกี่ยวกับการเปลี่ยนแปลงโควาเรียตภายใน) [arxiv] [หมายเหตุ]
  • 2017.02 การทำให้เป็นมาตรฐานใหม่เป็นชุด [arxiv] [หมายเหตุ]
  • 2016.07 การทำให้เลเยอร์เป็นมาตรฐาน [arxiv] [หมายเหตุ]
  • 2016.05 วิธีการฝึกอบรมฝ่ายตรงข้ามสำหรับการจัดประเภทข้อความแบบกึ่งกำกับดูแล [arxiv] [หมายเหตุ]
  • 2016.03 การทำให้เป็นมาตรฐานแบทช์ที่เกิดซ้ำ [arxiv] [หมายเหตุ]
  • 2016.02 การปรับน้ำหนักให้เป็นมาตรฐาน [arxiv] [หมายเหตุ]
  • 2015.10 Batch Normalized Recurrent Neural Networks [arxiv] [หมายเหตุ]
  • 2015.07 การปรับการกระจายให้ราบรื่นด้วยการฝึกอบรมฝ่ายตรงข้ามเสมือนจริง [arxiv] [หมายเหตุ]
  • 2015.02 การทำให้เป็นมาตรฐานแบบแบทช์ [arxiv] [หมายเหตุ]
  • 2014.12 การอธิบายและการควบคุมตัวอย่างของฝ่ายตรงข้าม [arxiv] [หมายเหตุ]
  • 2013.06 การทำให้โครงข่ายประสาทเทียมเป็นมาตรฐานโดยใช้ DropConnect [กระดาษ] [หมายเหตุ]
  • 2009.06 การเรียนรู้หลักสูตร [collobert] [หมายเหตุ]

โครงข่ายประสาทเทียม

  • 2019.01 ถึงเวลาที่จะหวดแล้วหรือยัง? การเปรียบเทียบฟังก์ชันการเปิดใช้งานการเรียนรู้เชิงลึกระหว่างงาน NLP [arxiv] [หมายเหตุ]
  • 2018.03 การออกกลางคันตามเป้าหมาย [openreview] [หมายเหตุ]
  • 2017.11 โมเดลภาษาที่เอาใจใส่ [aclweb] [หมายเหตุ]
  • 2017.04 โมเดลภาษาเครือข่ายประสาทเทียมแบบสองทิศทางระยะยาวตามบริบท [aclweb] [หมายเหตุ]
  • 2017.04 การเรียนรู้เพื่อสร้างบทวิจารณ์และการค้นพบความรู้สึก [arxiv] [หมายเหตุ]
  • 2017.04 การสำรวจ Sparsity ในโครงข่ายประสาทเทียมที่เกิดซ้ำ [arxiv] [หมายเหตุ]
  • 2017.02 Deep Nets ไม่เรียนรู้ผ่านการท่องจำ [openreview] [หมายเหตุ]
  • 2017.01 การสร้างแบบจำลองภาษาบริบทโต้ตอบด้วยโครงข่ายประสาทเทียมที่เกิดซ้ำ [arxiv] [หมายเหตุ]
  • 2016.11 การผูกคำเวกเตอร์และตัวแยกประเภทคำ: กรอบการสูญเสียสำหรับการสร้างแบบจำลองภาษา [arxiv] [หมายเหตุ]
  • 2016.11 การทำความเข้าใจการเรียนรู้เชิงลึกจำเป็นต้องมีการคิดใหม่เกี่ยวกับลักษณะทั่วไป [arxiv] [หมายเหตุ]
  • 2016.09 ภาพรวมของอัลกอริธึมการเพิ่มประสิทธิภาพการไล่ระดับสี Descent [arxiv] [หมายเหตุ]
  • 2016.09 โมเดล Pointer Sentinel Mixture [arxiv] [หมายเหตุ]
  • 2016.08 การใช้การฝังเอาต์พุตเพื่อปรับปรุงโมเดลภาษา [arxiv] [หมายเหตุ]
  • 2016.03 การออกกลางคันซ้ำโดยไม่มีการสูญเสียความทรงจำ [arxiv] [หมายเหตุ]
  • 2015.11 การเพิ่มสัญญาณรบกวนแบบไล่ระดับสีช่วยปรับปรุงการเรียนรู้สำหรับเครือข่ายที่ลึกมาก [arxiv] [หมายเหตุ]
  • 2015.11 การเรียนรู้ตามลำดับแบบกึ่งกำกับดูแล [arxiv] [หมายเหตุ]
  • 2015.06 การแสดงภาพและทำความเข้าใจเครือข่ายที่เกิดซ้ำ [arxiv] [หมายเหตุ]
  • 2015.xx แคลคูลัสบนกราฟการคำนวณ: Backpropagation [github] [หมายเหตุ]
  • 2014.12 การประเมินเชิงประจักษ์ของ Gated Recurrent Neural Networks บนการสร้างแบบจำลองลำดับ [arxiv] [หมายเหตุ]
  • 2014.09 การทำให้เครือข่ายประสาทเทียมเกิดซ้ำ [arxiv] [หมายเหตุ]
  • 2013.12 วิธีสร้างโครงข่ายประสาทเทียมที่เกิดซ้ำในระดับลึก [arxiv] [หมายเหตุ]
  • 2010.xx ทำความเข้าใจกับความยากลำบากในการฝึกโครงข่ายประสาทเทียมแบบป้อนลึก [imag] [หมายเหตุ]
  • 2010.xx ตัวเข้ารหัสอัตโนมัติ Denoising แบบเรียงซ้อน [กระดาษ] [หมายเหตุ]
  • 2008.07 สถาปัตยกรรมแบบครบวงจรสำหรับการประมวลผลภาษาธรรมชาติ [collobert] [หมายเหตุ]

หม้อแปลงไฟฟ้า

  • 2019.09 ALBERT: A Lite BERT สำหรับการเรียนรู้ด้วยตนเองของการแทนภาษา [arxiv] [หมายเหตุ]
  • 2019.07 RoBERTa: แนวทางการฝึกอบรมล่วงหน้าของ BERT ที่ได้รับการปรับปรุงอย่างแข็งแกร่ง [arxiv] [หมายเหตุ]
  • 2019.04 ERNIE: ปรับปรุงการเป็นตัวแทนผ่านการบูรณาการความรู้ [arxiv] [หมายเหตุ]
  • 10.10.2018 BERT: การฝึกอบรมล่วงหน้าเกี่ยวกับหม้อแปลงสองทิศทางเชิงลึกเพื่อการทำความเข้าใจภาษา [arxiv] [หมายเหตุ]
  • 2018.06 การปรับปรุงความเข้าใจภาษาโดย Generative Pre-Training [amazonaws] [หมายเหตุ]
  • 2018.03 Universal Sentence Encoder [arxiv] [หมายเหตุ]
  • 2017.06 ความสนใจคือสิ่งที่คุณต้องการ [arxiv] [หมายเหตุ]

ลำดับตามลำดับ

  • 2018.07 การเพิ่มข้อมูลตามลำดับเพื่อความเข้าใจภาษาบทสนทนา [arxiv] [การแปล]
  • 2018.07 Fluency Boost Learning และการอนุมานสำหรับการแก้ไขข้อผิดพลาดทางไวยากรณ์ทางประสาท [aclweb] [หมายเหตุ]
  • 2017.04 เข้าถึงประเด็น: การสรุปด้วย Pointer-Generator Networks [arxiv] [หมายเหตุ]
  • 2017.04 การเรียนรู้การอ่านข้อความแบบผ่านๆ [arxiv] [หมายเหตุ]
  • 2015.06 Pointer Networks [arxiv] [หมายเหตุ]
  • 2015.06 เวกเตอร์ข้ามความคิด [arxiv] [หมายเหตุ]
  • 2014.12 ไวยากรณ์เป็นภาษาต่างประเทศ [arxiv] [หมายเหตุ]
  • 2014.12 เรื่องการใช้คำศัพท์เป้าหมายที่มีขนาดใหญ่มากสำหรับการแปลด้วยเครื่องประสาทเทียม [arxiv] [หมายเหตุ]
  • 2014.09 การแปลด้วยเครื่องประสาทโดย Jontly Learning to Align and Translate [arxiv] [หมายเหตุ]
  • 2014.09 ลำดับการเรียนรู้ตามลำดับด้วยโครงข่ายประสาทเทียม [arxiv] [หมายเหตุ]

หลายงาน

  • 2019.01 โครงข่ายประสาทเทียมเชิงลึกแบบหลายงานเพื่อการทำความเข้าใจภาษาธรรมชาติ [arxiv] [หมายเหตุ]
  • 2018.08 การสร้างแบบจำลองความสัมพันธ์ของงานในการเรียนรู้แบบหลายงานด้วยผู้เชี่ยวชาญแบบผสมผสานหลายประตู [acm] [หมายเหตุ]
  • 2016.12 การเอาชนะการลืมภัยพิบัติในโครงข่ายประสาทเทียม [arxiv] [หมายเหตุ]

การรับรู้เอนทิตีชื่อ

  • 2018.05 NER จีนใช้ Lattice LSTM [arxiv] [หมายเหตุ]
  • 2018.03 การจำแนกประเภทของเอนทิตีแบบละเอียดแบบ Neural พร้อมการสูญเสียการรับรู้ลำดับชั้น [arxiv] [หมายเหตุ]
  • 2017.04 การเรียนรู้มัลติทาสก์แบบกึ่งกำกับดูแลสำหรับการติดฉลากลำดับ [arxiv] [หมายเหตุ]
  • 2016.03 สถาปัตยกรรมประสาทสำหรับการรับรู้เอนทิตีที่มีชื่อ [arxiv] [หมายเหตุ]
  • 2016.xx สถาปัตยกรรมประสาทสำหรับการจำแนกประเภทเอนทิตีแบบละเอียด [aclweb] [หมายเหตุ]

การเรียนรู้ด้วยตนเอง

  • 2020.02 กรอบการทำงานอย่างง่ายสำหรับการเรียนรู้เชิงเปรียบเทียบของการนำเสนอด้วยภาพ [arxiv] [หมายเหตุ]

คนอื่น

  • 2017.06 โมดูลโครงข่ายประสาทเทียมอย่างง่ายสำหรับการให้เหตุผลเชิงสัมพันธ์ [arxiv] [หมายเหตุ]
  • 2016.11 คำหรือตัวอักษร Gating แบบละเอียดเพื่อความเข้าใจในการอ่าน [arxiv] [หมายเหตุ]
  • 2016.08 การแปลด้วยเครื่องประสาทของคำที่หายากด้วยหน่วยคำย่อย (BPE) [aclweb] [หมายเหตุ]
  • 2005.08 การปรับแต่งการค้นหาในแบบของคุณผ่านการวิเคราะห์ความสนใจและกิจกรรมอัตโนมัติ [microsoft] [หมายเหตุ]
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด