- 多词术语嵌入改进词汇产品检索
H1 嵌入模型在电子商务平台的产品描述离线术语索引中,通过整合产品检索的词汇方法和基于语义嵌入的方法的优势,提出了一种构建语义丰富术语词汇的方法,能够作为单个标记来处理多词产品术语,提高系统的精度而不影响召回率,此模型在 WANDS 公共数 - 自省式深度度量学习
本研究提出一种内省型深度度量学习(IDML)框架,用于对图像进行不确定性感知的比较。通过不仅使用语义嵌入还使用伴随的不确定性嵌入来表示图像,该框架改进了深度度量学习的性能,并在图像检索和聚类等任务上取得了最先进的结果。
- 语义嵌入式深度神经网络:提升多标签图像分类性能的通用方法
本文介绍了一种使用语义嵌入深度神经网络,采用基于空间感知语义特征和通道注意力模型的方法来提高多标签预测模型性能的方法。实验证明,与基线方法相比,该方法平均相对改进 15.27%,在 Instagram 时尚服装图像上进行了多标签时尚属性分类 - 识别语义困难样本以提高文本分类能力
本文探讨在给定文本数据集中如何处理难以分类的样本对于下游文本分类任务的影响,并通过语义嵌入空间分析将难度样本定义为在文本分类中不明显的情况,通过提出惩罚函数来获得每个样本的难度得分,并在 13 个标准数据集上进行全面的实验,得出了最多 9% - 内省式深度度量学习
该论文提出了一种基于内省的深层度量学习框架,用于对图像进行不确定性感知的比较,该框架使用语义嵌入和不确定性嵌入来表示图像的特征以及模糊程度,并使用内省相似性度量来进行图像的相似度比较,取得了在图像检索和分类任务中的最先进性能。
- ACL有意义的标签推断与统一语义类型化
本文提出 UniST 框架以实现语义打标,该框架通过将输入和标签投影到共同的语义嵌入空间来捕捉标签的语义。同时,多种语义打标任务可以在该框架中联合训练,从而获得性能相当于单独任务模型的单个紧凑多任务模型,同时也提高了转移能力。
- 上下位关系预测的语境语义嵌入
本文介绍了一种基于 Bert 语言模型的子类预测方法 BERTSubs,能够有效地执行包括存在限制在内的多种子类预测任务,具有优于已有方法的性能。
- 使用梯度手术探究不同损失函数的影响
利用 pair-wise loss 进行度量学习可以通过梯度分解来统一当前的损失函数,并明确构建配对梯度更新,以最大程度地提高对图像数据集的检索精度。
- ACLOntoEA: 基于本体引导的实体对齐方法,通过知识图谱联合嵌入
本文提出一个以本体指导实体对齐的方法 OntoEA,该方法通过联合嵌入本体和知识图谱来避免虚假映射,实验证明了该方法的优越性和本体的有效性。
- CVPR基于语义关系推理的稳定少样本目标检测
通过引入显式关系推理和语义嵌入,利用少量数据探测新颖物体的性能较稳定且鲁棒,相比于显式和隐式样本较少时可以取得明显更好的结果。
- WWWOntoZSL: 基于本体增强的零样本学习
通过本体论知识表示和语义嵌入,以更丰富和竞争的先验知识建模 ZSL 的类间关系,并使用生成对抗网络(GANs)开发了一种生成 ZSL 框架,以解决已知类和未知类之间的数据不平衡问题。
- OWL2Vec*: OWL 本体嵌入
本文提出了一种基于随机游走和词嵌入的本体嵌入方法 OWL2Vec *,该方法将 OWL 本体的语义编码为结合了图结构,词汇信息和逻辑构造式的表示。通过在三个真实数据集上的实证评估,我们发现 OWL2Vec * 在类成员预测和类包含预测任务中 - WWW纠正知识库断言
通过词汇匹配、语义嵌入和语义一致性检查,我们提出了一个纠正知识库中错误断言的框架,并在 DBpedia 和企业医学知识库上进行了评估。
- ECCV属性作为操作符:分解未见过的属性 - 对象组合
我们提出了一种新的视觉属性建模方法,将属性视为操作符。该方法使用语义嵌入明确地将属性与它们伴随的对象分离,并且具有表达属性操作符效果的新型正则化机制,从而实现了对对象和属性的新组合的泛化。我们在两个具有挑战性的数据集上验证了我们的方法,并证 - 质量感知相关性估计的查询自适应视频摘要
该研究利用神经网络诱导的文本视觉语义嵌入空间,将查询相关汇总作为视频帧子集选择问题进行提出,该方法在多个方面优于先前的技术,并引入具有多样性和查询特定相关性标签的新数据集进行模型训练和测试。
- CVPR零样本学习的语义自编码器
该论文提出一种基于语义自编码器的零样本学习方法,在编码器 - 解码器框架下,通过对编码 - 解码的自重建能力进行优化,从而使得模型更加泛化并可以在无训练数据的情况下预测新的未知类别。
- 递归内存寻址描述视频
本文提出了 Key-Value Memory Networks 应用于多模态设置的方法,以及一种新的键寻址机制,将视频字幕生成问题自然地分解为视觉和语言端,将其作为键 - 值对处理,并在寻址模式下提出了一种递归关注的方法来捕捉语境信息,通过 - 基于迁移学习的零样本哈希
本文提出了一种名为无样本哈希(ZSH)的新型哈希方案,可以将 “看不见” 类别的图像压缩成二进制码,并从 “可见” 类别的有限训练数据中学习哈希函数。通过将独立的数据标签投影到语义嵌入空间中,可以精确表征所有标签的语义关系,并且可以将可见有