Oct, 2018

适用于小型数据集的子词语义哈希在意图分类中的应用

PDF
TL;DR本文介绍了在意图分类中使用语义哈希作为嵌入的方法，并在三个常用基准测试上实现了最先进的性能。语义哈希是一种尝试克服诸如数据饥饿和词汇表依赖性等挑战，学习强大的文本分类的方法，可以处理拼写错误和小型数据集等问题。
发现论文，激发创造
  • 基于标签嵌入的弱监督深度图像哈希

    利用用户生成的标签信息的词向量语义嵌入来进行约束，我们提出一种名为 WDHT （Weakly Supervised Deep Hashing using Tag Embeddings）的方法，用于语义图像检索，在弱监督图像哈希领域取得新的最佳效果。

    Jun, 2018

  • 基于话语和上下文嵌入的检索式对话系统

    本文利用局部敏感哈希树 LSH Forest 实现了基于向量表示的答案检索，并探讨了使用候选项选择方法时，这种方法的优越性。在 Ubuntu 语料库和荷兰的客户服务聊天数据集上进行的实验结果表明，检索式方法优于生成式方法，并揭示了未来研究方向。

    Oct, 2017

  • 神经网络少样本文本分类的现实检验

    本文介绍了在 NLP 领域中使用头部计算机视觉模型的性能以及使用 transformers 后的表现，探讨了这些模型在意图识别任务中的应用情况，发现造成性能差异的因素为任务的类别数量，提出了一个简单的基线模型，所有实现的模型都会被公开。

    Jan, 2021

  • 维护语义层次的大规模图像检索深度哈希

    本研究提出了一种有效的方法，以保留完整语义层次结构的类别相似性，以提高大规模图像检索的精细级别性能并生成更好的二进制代码。

    Jan, 2019

  • 通过深度卷积神经网络监督学习保持语义的哈希

    本文提出了一种简单而有效的有监督深度哈希方法，构建了来自标记数据的二进制哈希代码，用于大规模图像搜索，在此基础上，哈希函数作为深度网络中的一个潜在层得到构建，最小化分类错误和其他理想哈希代码属性上的目标函数，以实现联合学习的图像表示，哈希代码和分类，从而可应用于大规模数据集。

    Jul, 2015

  • 词汇语义增强的神经词向量

    通过深度度量学习进行后处理可以提高神经语言模型中语义相似度推断的效果，并将层次拟合用于建模 IS-A 层次中的语义相似性细微差别。

    Oct, 2022

  • 利用语义嵌入为安全关键应用增强

    本文提出了在神经网络分类器中使用 Semantic Embeddings 来增加自省和错误检测能力，使用从符号领域知识中创建语义嵌入表示，提出了一种简单的错误检测方案，并引入了语义距离概念。通过在交通标志分类器上评估，发现语义距离能够达到接近最先进的性能，计算速度显著快于其他置信度得分。我们的方法不需要对原始网络进行更改，因此适用于任何具有领域知识的任务。

    May, 2019

  • 文本文件的变分深层语义哈希

    本文提出了一系列新颖的基于深度生成模型的文本哈希方法，并通过实验证明了深度学习在文本哈希中的有效性。

    Aug, 2017

  • GuideWalk：增强学习的异构数据融合 —— 多类文档分类案例

    通过基于有意义的句子的图结构的嵌入方法，在大规模异构数据中高效提取信息，特别是文本数据的处理和分类问题中，展示出与其他算法相比显着更好的分类性能。

    Apr, 2024

  • 基于深度语义排名的多标签图像检索哈希

    使用神经网络结合深度学习的方式，针对多标签图像，提出了一种能够保持多层语义相似度的哈希函数学习方法，并在多标签图像数据集上的排名评估中证明了该方法的优越性。

    Jan, 2015