- ICCV图卷积网络 用于 时间动作定位
该论文利用图卷积网络 (GCNs) 来建立动作建议图,通过使用两种关系来捕捉上下文信息和不同动作之间的相关性,以模拟不同建议之间的关系并学习强大的动作分类和本地化表示,实验证明该方法在 THUMOS14 上显著优于现有最先进模型。
- CVPR语义相关性促进的形状变体上下文分割
本文提出了一种基于 scale- 和 shape-variant 的语义分割方法,使用配对卷积生成 shape mask 并控制 receptive field,从而在像素级别上聚合语义相关区域的上下文信息,同时通过标签去噪模型减少了由于低 - KDD利用神经网络增强 A* 搜索算法,实现个性化路线推荐
采用神经网络自动化学习经典启发式算法 A * 算法的成本函数,以解决由于人工设置启发式代价函数和利用有用上下文信息等问题导致的个性化路线推荐任务的低效性和不准确性。
- ACL用粒度逐渐调整的方法生成具有方面感知的长而详尽的评论
本文提出了一种基于方面感知的精细到粗糙的文本生成模型,通过利用方面语义、句法轮廓和上下文信息来提高评论文本生成的自然度和连贯性,实验结果表明该方法有效。
- 上下文環境的問題:通過提供上下文信息增強入侵檢測
本文通过模拟工业网络行为,引入恶意行为并采用基于上下文和非上下文的入侵检测系统进行比较,发现采用上下文信息可以更可靠地识别恶意行为。
- ACL专注模仿:通过关注信息上下文获得更好的词嵌入
本文提出了一种注意力模仿算法,针对稀有词从表面形式和所有可用上下文信息中获取最具信息和可靠性的上下文信息来计算嵌入向量,评估结果表明,相较于之前的工作,该方法在提高中低频词的嵌入质量方面取得了更好的效果。
- 非监督网络表示学习的比较研究
本文提出一种框架用于将不同的网络表示方法统一化,研究它们的有效性,经过一系列的实证研究表明,并没有一个单一的方法是最好的,选择一个适合的方法取决于嵌入方法的某些属性、任务和底层图的结构属性。
- 上下文感知的视觉相容性预测
本文介绍一种基于图神经网络的方法,通过产品嵌入向量预测衣物单品或搭配的视觉配合性,相较于其他基于成对比较的模型,我们的模型涵盖更丰富的背景信息取得了业界领先的效果。
- 语义驱动的多摄像头行人检测
本论文介绍了一个利用自动提取的场景上下文信息的多摄像头全局组合行人检测方法,通过语义分割技术获得上下文信息用于自动生成场景的共同区域,从而获取一系列的联合检测框。相比其他同类方法,本文提出的方法具有场景无关性和实现的快速性,且在五个公共数据 - AAAI具有基于文档信息的分布式先验的神经自回归主题模型
我们提出了一种新颖的神经自回归主题模型,利用语言建模方式中单词周围的完整上下文信息进行学习,同时将嵌入作为分布式先验知识引入模型,这两个扩展可以处理短文本情况并提高主题模型的一般性、可解释性和适用性。
- 视频中密集字幕事件的系统报告: RUC+CMU
本文介绍了我们在 ActivityNet Dense Captioning in Video 任务(任务 3)中的系统,该任务中,我们提出了一种 proposal 排名模型,利用一组有效的特征表示进行 proposal 生成,并集成一系列具 - EMNLP关系抽取的异构监督:一种表示学习方法
使用来自异构信息源的注释对关系抽取学习进行建模的新型框架 REHession,利用嵌入技术学习上下文信息的分布表示,从而实现了标签真值的推断和精确的关系抽取。
- ICML基于贝叶斯非参数多层聚类与组级上下文
本文提出了一种贝叶斯非参数多层聚类框架,利用群组水平上下文信息同时发现群组内容的低维结构和将群组分成簇,实验结果表明,该模型在文本和图像领域中利用上下文信息具有优势。