- Screen2Vec: GUI 界面与组件的语义嵌入
本文提出了 Screen2Vec 算法,该算法结合了 GUI 语义表示、嵌入向量和自监督的技术,在不需要手动注释的前提下,能够表示 GUI 屏幕和组件的所有特征,包括文字内容、视觉设计和布局模式、应用上下文,能够用于建模用户 - GUI 交 - 用局部约束学习的对象感知嵌入实现生物医学图像的实例分割
研究了自动实例分割的问题,并提出一种基于深度神经网络的嵌入向量方法,使得相邻物体在嵌入空间中互相垂直,从而避免了对象的合并。该方法在细胞和叶片图像的分割任务中,即使使用轻量级的骨架网络也能达到领先水平。
- 高度不平衡数据下适应性命名实体识别
本报告提出了一种基于条件随机场层和双向 LSTM 层的神经网络体系结构,其中嵌入向量(Glove,BERT)的融合输入被用来增强模型的泛化能力,还引入了一个分类模型来分离句子并对弱类和强类进行优化以提高 Named Entity Recog - 情感演讲合成与丰富的精细控制
本论文提出了一种有效的情感控制方法,用于端到端的文本到语音(TTS)系统,使用嵌入向量表示 TTS 输入并结合了内外情感距离比算法和插值技术来提高发音的表现力和可控性。主观评估表明所提算法优于传统方法。
- 通过对抗训练来改善神经语言模型
使用对抗训练机制可以更好地规范神经语言模型中的过度拟合问题,增加嵌入向量的多样性并提高在机器翻译领域的性能。
- 基于多个距离嵌入的知识图谱链接预测
本文提出了一种多距离嵌入模型 (MDE),通过使用独立的嵌入向量训练和预测矛盾的距离项,解决了翻译嵌入模型的对称关系和反射模式的限制问题,允许建模具有(反)对称性、倒置和组合模式的关系。
- 融合离散特征和神经网络特征用于序列标注
本研究探讨了基于序列标注的基础 NLP 任务,包括中文和英文的分词、词性标注以及命名实体识别,强调了将人工特征和神经网络特征结合可以提高最终模型的准确性。
- ACL论语义变化的线性性:利用动态图模型研究含义的变化
通过两种图形模型,本文研究语义变化,发现语义变化是线性的,发现了语义变化的两个新规律 / 假设。
- ICML动态词向量
该研究提出了一种基于概率的语言模型,可以跟踪个别单词随时间的语义演变,并通过嵌入空间中的潜在轨迹表示单词和上下文。研究发现,该动态模型推断的单词嵌入轨迹更易解释,并且具有更高的预测性可能性。
- NIPS神经网络中的长时间尺度信用分配与外部存储器
通过利用自编码器重建观察数据和利用嵌入向量重新计算前向传递来解决传统循环神经网络中存在的反向传递问题。
- 非均匀状态空间重构与耦合检测
研究多维时间序列的状态空间重建,提出一种使用信息度量准则逐步构建嵌入向量的方法,并以头皮癫痫 EEG 记录为例,探究了耦合系统中的信息流。