- 重温循环翻译以进行质量评估
本文介绍了一种利用语义嵌入进行往返翻译的质量估计技术，相较于以往的 WMT 2019 质量估计任务提交的方法，我们的方法与人类判断之间的相关性最高，且在往返翻译选择上表现鲁棒性较佳。此外，该方法能够针对 SMT 和 NMT 等多种类型的前向 - MM机器翻译评估与社区问答相遇
本文将机器翻译评估方法应用于另一个问题：社区问答中的答案排序，采用一种结合 MTE 特征、丰富的句法和语义嵌入、高效建模复杂非线性交互的成对神经网络架构。评估结果表明 MTE 特征和成对神经网络架构都对结果有着显著的贡献，具有最先进的性能。
- 使用声音分类改进通用声音分离
本文研究基于深度学习、语义嵌入和分类网络应用于通用声源分离，并成功建立了新的最先进的模型，从而提高了声源分离的性能。
- ICCV共享多模态嵌入的无监督图像字幕生成
通过共享的、结构化的视觉概念潜在空间，将图像特征转化到语义向量嵌入空间中，并使用同一语言模型将其解码为场景描述，无需明确监督来了解图像；这种转化借助于暴露于图像 / 标题数据分布之外的大型文本语料库，并且具有鲁棒性。
- 利用现有资源：使用协同信息源提取视频表示
该论文旨在将来自不同模态的视频信息压缩为单一、紧凑的表示形式，以用于自由格式文本查询的视频检索任务。通过运用预训练的语义嵌入、自动语音识别和光学字符识别等方法，采用协作专家模型来聚合信息，具有良好的检索性能。
- KDD从索赔数据学习医学概念表示并应用于医疗计划支付风险调整
本研究提出了一种新的风险调整方法，使用语义嵌入来表示患者的医疗历史，比传统的基于线性回归的风险调整方法更加高效且效果更好，尤其是在前瞻性风险评估任务中。
- CVPR利用语义嵌入为安全关键应用增强
本文提出了在神经网络分类器中使用 Semantic Embeddings 来增加自省和错误检测能力，使用从符号领域知识中创建语义嵌入表示，提出了一种简单的错误检测方案，并引入了语义距离概念。通过在交通标志分类器上评估，发现语义距离能够达到接 - 广义零样本学习的模型选择
通过使用生成对抗网络（GAN）生成未见类别的语义嵌入辅助数据点，结合传统训练数据，利用模型选择机制使得泛零样本学习可以分为两个不相交的分类任务，以减少不平衡的数据分布，从而获得最先进的结果。
- CVPR通过语义嵌入和知识图谱进行零样本识别
本研究旨在解决零样本识别问题，基于语义嵌入和分类关系预测视觉分类器，提出了一种基于图卷积网络的方法，并在知识图中学习得到的结果表明，相比于当前的最先进结果，该方法在性能上获得了显著提升。
- CVPR视觉关系与属性检测的深度变化结构强化学习
本研究提出了一种基于深度强化学习算法的新方法 VRL，能够更好地理解场景中物体之间的相互关系和属性，并在大规模数据集上验证其优越性和预测能力。
- SIGIR可扩展的在赞助搜索广告中查询和广告的语义匹配
该研究提出了一种基于语义嵌入的高级匹配方法，通过利用用户搜索会话的语义嵌入来自动找到更多的相关查询以供广告商竞标，同时提出了解决冷启动问题的方法，该方法已在实际搜索流量中进行了测试并获得了显著的优化结果和增量收益，同时将学习到的查询嵌入开源 - CVPR使用多样物体标注的图片字幕生成
本文提出了 Novel Object Captioner (NOC) 模型，利用外部数据源和语义嵌入使模型适用于不在现有图像字幕数据集中出现的数百种物体分类，并表现出对现有罕见分类的能力，自动评估和人类判断均表明，该模型在描述物体方面比之前