AAAIFeb, 2022

深度检索半结构化查询驱动的文档数据库及其应用于收据和 POI 匹配

PDF
TL;DR本文利用深度语言编码最新的进展来寻找最有效的嵌入和检索查询和数据库条目的组合，同时避免了使用手动工程组件，并证明了该模型明显优于传统的基于手动模式的模型。同时为其他领域的类似问题提供了帮助。
semi-structured querydocument-oriented databasesembedding-based retrievaldeep language encodingquery grounding problem
发现论文，激发创造
  • 利用场景图的结构化基于查询的图像检索

    该论文介绍了一种基于场景图嵌入的方法，将视觉关系作为结构化查询用于图像检索，其在低频率对象检索上效果显著。

    May, 2020

  • 基于布局的文档驱动对话信息提取：数据集、方法和演示

    该研究构建了基于文档的对话系统，旨在从视觉丰富的文档（VRD）中提取结构和语义知识，以生成准确的回复，为此创建了一个布局感知的文档级信息提取数据集 LIE，并开发了基准方法考虑人类的布局特征，实验结果表明布局对基于 VRD 的提取至关重要，系统演示也验证了提取的知识能够帮助用户找到关心的答案。LIE 包含来自产品和官方文档中 4,061 页的 62k 注释，成为我们所知最大的基于 VRD 的信息提取数据集。

    Jul, 2022

  • 个性化 POI 推荐的关系嵌入

    研究了 POI（点 - of-interest）推荐系统中用户 - POI 数据稀疏性、时空上下文变化以及语义信息对推荐质量的影响，提出了一种基于转换关系嵌入和知识图谱嵌入技术的 POI 推荐模型并构建了基于用户 - POI 图的组合矩阵分解框架来增强动态个人兴趣的推理。实验证明该方法具有较好的推荐效果。

    Feb, 2020

  • 基于空间双模态图推理的关键信息提取

    本文提出了一种旨在从文档图片中提取关键信息的端到端空间双模图形推理方法，将文档图像建模为双模图，节点编码检测到的文本区域的视觉和文本特征，边表示相邻文本区域的空间关系，并通过沿图边传播消息和推理图节点的类别来解决关键信息提取问题；进一步提供了一个新的数据集 “WildReceipt”，其中包含 25 个关键信息类别，约 69000 个文本框，并在 SROIE 和 WildReceipt 上获得了最新的最佳结果。

    Mar, 2021

  • 递归子查询构建提升单阶段视觉定位

    提出一种递归子查询构建框架，解决当前一阶段视觉基础的限制，提高了长而复杂查询的精度，效果比现有一阶段基线模型在多个基准数据集上都有显著的提高。

    Aug, 2020

  • AugTriever：可扩展的数据增强无监督密集检索

    本文提出了无需注释的可扩展伪查询文档对训练方法，包括查询提取和转化查询生成两种。通过使用这些方法，研究展示出比其他方法更好的检索表现。

    Dec, 2022

  • 多模式地理预训练方法

    该研究提出了一种新颖的多模态地理语言模型 (MGeo) 用于查询 - POI 匹配，通过将地理信息视作一个新的模态，在提取多模态相关性的同时准确表示查询中的多个地理对象，提升了通用 PTMs 的查询 - POI 匹配能力。

    Jan, 2023

  • 文本短语重建图像基础

    通过采用注意力机制来重构给定的短语，本论文提出了一种新的接近无监督学习的方法来学习 grounding，该方法不需要太多的地面实时监督，有效提高了在 Flickr 30k 实体数据集上的表现。

    Nov, 2015

  • 通过提炼图像 - 文本匹配模型，实现更加扎实的图像字幕生成

    本研究提出了一种基于 Part-of-Speech 增强图像 - 文本匹配模型的方法（称为 POS-SCAN），以提高图像字幕准确性，并且探讨了图像 - 文本匹配分数作为奖励用于更加接近实际对象的图像字幕训练。

    Apr, 2020

  • 使用自然语言查询进行交互式检索复杂场景的逐层钻取

    本文提出了 Drill-down，该方法可以使用自然语言进行交互式图像检索，能够在包含多个对象的复杂图像场景中有效地使用多轮查询和弱监督，这种方法展现了优越的表现。

    Nov, 2019