- 跨模态规则的信息化视觉叙事
本研究提出了一种基于跨模态规则挖掘的视觉叙事方法，通过将 CNN 激活和 Word 指数相结合构建多模态交易，并使用关联规则挖掘算法挖掘跨模态规则，充分捕捉实体、属性、行为和事件等相关概念，将其应用于编码器 - 解码器框架中，得到更具可解释 - IJCAI弱监督增强的生成网络对于问题生成
本文介绍了一种新的自动问答生成模型 WeGen，采用 Weak Supervision Enhanced Generative Network 和 Multi-Interaction mechanism 技术，在自动评估和人工评估实验中表现 - IJCAI序列生成：从两端到中间
提出了一种同步双向序列生成模型，利用双向注意力网络实现从两个方向同时预测输出，解决了自回归解码方式生成长句时效率低，以及和未来内容关联性不足等问题，在神经机器翻译（英德、中英和英罗）以及文本摘要任务上，相比于自回归 Transformer， - 未来数据助力训练：为基于会话的推荐建模未来上下文
我们提出了一种新的编码器 - 解码器框架 —— 基于填充缺失数据的推荐系统（GRec），通过缺失项填充机制来训练编码器和解码器，并考虑了精度和效率。实验表明，GRec 显著优于现有的序列推荐方法，并且未来的上下文对推荐的效用有很大的影响。
- CVPR基于记忆注意力的循环神经网络用于视频字幕生成
提出了一种记忆注意力循环网络用于视频字幕生成，可以在训练数据中探索词与其各种类似视觉上下文的全谱对应关系，从而实现对每个单词的更全面理解，并提高字幕生成质量。
- ACL利用领域不变和特定信息提升领域自适应翻译
本文提出了一种基于编码器 - 解码器框架的方法，以明确建模领域特定特征和常用特征的信息分离，通过敌对训练强化信息分离和机器翻译的表现，并在多个数据集上表现出优越的性能。
- Fast-SCNN: 快速语义分割网络
本文介绍了一种快速分割卷积神经网络（Fast-SCNN），它是一种高分辨率图像数据（1024x2048px）的半实时语义分割模型，适用于在低内存嵌入式设备上进行高效计算。该网络通过在多个分辨率分支上同时计算低级特征和高级特征，实现了高分辨率 - 基于深度强化学习的自动源代码摘要改进
本文提出一种基于 Actor-Critic 模型和抽象语法树的深度强化学习框架，用于代码摘要。该模型在训练时采用 BLEU 指标进行奖励，实验证明该模型在真实世界数据集上的表现优于一些最先进的方法。
- 解决和推理数学应用问题的语义对齐方程生成
本文提出了一个神经网络模型，基于编码器 - 解码器框架，利用自然语言理解桥接语义世界和符号世界，自动解决数学应用问题，并在 Math23K 数据集上验证模型的有效性。
- 神经响应生成的检索增强对抗训练
本文提出了 RETE 方式，使用检索方法来增强神经响应生成的对抗训练， 与当前方法不同的是，该方法采用编码器 - 解码器框架，在对抗训练范式中利用从检索系统获取的 N 个最佳响应候选构建鉴别器。一个基于大规模公共可用基准数据集的实证研究表明 - ECCV图像字幕的循环融合网络
本文提出了一种使用多个编码器的循环融合网络 (RFNet) 来处理图像字幕生成问题，RFNet 可以利用多个编码器的输出之间的相互作用，生成新的、紧凑而且信息丰富的表示，验证实验表明，RFNet 对于图像字幕生成问题是有效的，并且取得了最新 - 神经开放信息提取
本文提出了一种基于神经网络的 Open IE 方法，采用了编码器解码器框架和引导式自我学习的方法，实验表明这种方法比传统方法更优秀。
- AAAI图像字幕生成中的引导解码学习
本文提出了一种在编码器 - 解码器框架下加入引导网络的方法，以模拟输入图像的属性特征为该任务带来了显著的性能提升，并通过在 MS COCO 数据集上进行的实验进行了验证。
- Marian: 基于 C++ 的快速神经机器翻译
介绍一种名为 Marian 的高效率、自我包容的神经机器翻译框架，其集成了基于动态计算图的自动微分引擎，完全采用 C++ 编写，以编码器 - 解码器框架设计为主，通过实验证明，这种研究友好型工具包既具有高效的训练和翻译速度。
- CVPR通过重构过去与现在生成字幕的正则化循环神经网络
本文提出了一种新颖的架构:auto-reconstructor network (ARNet)，它与传统的 encoder-decoder 框架相结合，以端到端的方式生成标题，并采用先前的隐藏状态作为当前状态的输入，来重新构建状态，以帮助 - 通过查询分布式词表示生成词语以进行释义生成
本文提出一种基于编码器 - 解码器框架的新模型 Word Embedding Attention Network (WEAN)，通过查询分布式词表示（即神经词嵌入）来生成单词，以捕获相应单词的含义，实验结果表明，该模型在两个英语文本简化数据 - NIPS改进的神经文本属性转移与非平行数据
本文提出对现有方法进行改进，以应对来自非平行数据的文本属性转移，并在情感转移任务中使用两个数据集进行实验，结果显示在三个评估指标中，我们的方法都优于强基准线。
- TasNet: 用于实时单声道语音分离的时域音频分离网络
本文针对多说话人环境下的鲁棒语音处理，提出了使用时域音频分离网络 (TasNet) 直接对信号进行建模，通过编码器输出估计源掩码、并经过解码器进行合成的方法，该方法适用于实时应用，并能在低功耗情况下完成语音分离任务，是当前最先进的语音分离算 - 基于统一查询的生成模型，用于问题生成和问题回答
我们提出了一种基于查询的生成模型，用于解决问题生成和问题回答两个任务， 在查询理解方面，该模型使用经典的编码器 - 解码器框架，通过与多个角度的文章进行匹配来执行查询理解。在进行培训时，我们利用政策梯度强化学习算法来克服暴露偏差，这是由于交 - ACL利用语法感知编码器和解码器实现改进的神经机器翻译
本研究致力于改进基于编码器 - 解码器框架的神经机器翻译模型，通过显式地结合源侧语法树，在两种结构化表示（顺序和树）之间进行学习，提出具有树覆盖模型和双向树编码器的翻译模型，并证实优于其他基线模型。