①

#計(jì)算語言學(xué)# 

《深邃的詩歌：中國古典詩歌的生成系統(tǒng)》

推薦理由：

本文解決的核心問題是中文古詩的自動(dòng)生成問題。

這篇論文的創(chuàng)新點(diǎn)在于提出了一種接受多模態(tài)輸入的中文古詩生成系統(tǒng)。這個(gè)名為Deep Poetry的中文古詩生成系統(tǒng)與以往基于模板的生成系統(tǒng)不同，使用神經(jīng)網(wǎng)絡(luò)在20萬首詩和300萬古代散文上進(jìn)行訓(xùn)練，并且可以接受多種輸入，例如純文本、圖像或意境定義。Deep Poetry允許用戶參與詩歌創(chuàng)作過程，并且開發(fā)了名為“川小妹AI詩人”的微信小程序來方便用戶通過移動(dòng)設(shè)備訪問。 

這篇論文被AAAI 2020錄用為Demo，微信小程序的開發(fā)也讓這個(gè)中文古詩生成系統(tǒng)可以方便地進(jìn)行使用，也會(huì)啟發(fā)后續(xù)的研究進(jìn)行類似的應(yīng)用程序的開發(fā)。

論文鏈接：

https://paper.yanxishe.com/review/5224

推薦人：琴??？思{（清華大學(xué)信息與通信工程專業(yè)，Paper 研習(xí)社特約作者）

②

#深度學(xué)習(xí)# #游戲人工智能#

《在多智能體博弈中尋找朋友和敵人》

推薦理由：

這篇論文要解決的是AI如何玩“阿瓦隆”這類桌游的問題。

AI最近在圍棋、德?lián)浜吐閷⒌炔┺挠螒蛑胁粩鄳?zhàn)勝人類選手。MIT的研究人員在這個(gè)榜單上又加上了阿瓦隆這樣的桌游。這篇論文最大的貢獻(xiàn)是提出了一個(gè)名為DeepRole的多智能體強(qiáng)化學(xué)習(xí)算法，使用了一種常見的“反事實(shí)遺憾最小化”的游戲計(jì)劃算法，通過反復(fù)與自己對(duì)戰(zhàn)來學(xué)習(xí)游戲，同時(shí)還引入了演繹推理的技巧，使其具備從已有假設(shè)或前提推導(dǎo)出新結(jié)論的能力，比如AI看到任務(wù)中出現(xiàn)了一張失敗票，就能推斷出必然至少有一名間諜的結(jié)論。超過4000場(chǎng)的游戲統(tǒng)計(jì)數(shù)據(jù)顯示，在一局有5名人類玩家的游戲中，如果用AI替換其中之一，其所處陣營(yíng)的平均勝率會(huì)比替換前高出約12%。反之，在一局有5個(gè)AI的游戲中，如果用人類玩家替換其中之一，其陣營(yíng)的平均勝率則會(huì)下降約8%。

這項(xiàng)研究的意義不僅僅在于玩桌游本身，而是能夠更好地模擬人類如何依據(jù)社會(huì)反應(yīng)做出決定，從而開發(fā)出能夠與人類更好合作的AI系統(tǒng)。

論文鏈接：

https://paper.yanxishe.com/review/5498

推薦人：溫蒂?斯普林

③

#計(jì)算機(jī)視覺# #模式識(shí)別#

《情境感知的情感識(shí)別網(wǎng)絡(luò)》

推薦理由：

傳統(tǒng)的情感識(shí)別技術(shù)只關(guān)注面部表情分析，因此對(duì)能夠全面反映情緒反應(yīng)的上下文進(jìn)行編碼的能力有限。

創(chuàng)新內(nèi)容：

作者提出了一種用于上下文感知的情感識(shí)別的深層網(wǎng)絡(luò)，稱為CAER網(wǎng)絡(luò)，它不僅利用了人類的面部表情，而且以一種聯(lián)合和增強(qiáng)的方式利用了情境信息。其核心思想是在視覺場(chǎng)景中隱藏人臉，并基于注意機(jī)制尋找其他上下文。

該網(wǎng)絡(luò)由兩個(gè)子網(wǎng)絡(luò)組成，包括兩個(gè)流編碼網(wǎng)絡(luò)（用于分別提取面部和上下文區(qū)域的特征），以及自適應(yīng)融合網(wǎng)絡(luò)（用于以自適應(yīng)方式融合這些特征）。

作者還針對(duì)情境感知的情感識(shí)別引入了一種新的基準(zhǔn)數(shù)據(jù)集，稱為CAER，它在質(zhì)量和數(shù)量上都比現(xiàn)有基準(zhǔn)更合適。在幾個(gè)基準(zhǔn)數(shù)據(jù)集上，CAER網(wǎng)絡(luò)證明了情境對(duì)情感識(shí)別的影響。

論文鏈接：

https://paper.yanxishe.com/review/5103

推薦人：feima0969（清華大學(xué)數(shù)據(jù)科學(xué)專業(yè)，Paper 研習(xí)社特約作者）

④

#計(jì)算語言學(xué)# #語義解析# 

《融合SQL語法的生成式語義解析模型》

推薦理由：

核心問題：如何完成文本到sql的生成。

創(chuàng)新點(diǎn)：現(xiàn)有的神經(jīng)網(wǎng)絡(luò)是逐字的生成SQL查詢，但是會(huì)有很多問題，比如疑問詞和表格內(nèi)容不匹配，大部分生成的結(jié)果不正確或者無法執(zhí)行，本文通過列名，單元格或者SQL關(guān)鍵字復(fù)制內(nèi)容，顯著的提高了SQL的生成質(zhì)量。

研究意義：序列到序列的生成是完成這類任務(wù)的常用方式，但是不同之處在于作者的模型是從序列或者SQL生成的過程中考慮了表結(jié)構(gòu)和SQL語法。

論文鏈接：

推薦人：magic（燕山大學(xué)計(jì)算機(jī)技術(shù)專業(yè)，Paper 研習(xí)社特約作者）

⑤

#計(jì)算機(jī)視覺# #模式識(shí)別#

《基于邊距的三重嵌入正則化對(duì)抗學(xué)習(xí)》

推薦理由：

深度神經(jīng)網(wǎng)絡(luò)（DNNs）在各種計(jì)算機(jī)視覺任務(wù)中都取得了巨大的成功，但是它們很容易受到對(duì)抗攻擊。 

為了解決這個(gè)問題，作者提出在分類目標(biāo)中加入一個(gè)基于邊距的三元組嵌入正則項(xiàng)，以提高表示空間的局部光滑性，從而使所得到的模型學(xué)會(huì)抵抗adversarial examples。正則項(xiàng)由兩步優(yōu)化組成，這兩步優(yōu)化通過迭代的方式找到潛在的擾動(dòng)并對(duì)其進(jìn)行大幅度的懲罰。

在MNIST、CASIA-WebFace、VGGFace2和MS-Celeb-1M上的實(shí)驗(yàn)結(jié)果表明，該方法在簡(jiǎn)單目標(biāo)分類和深度人臉識(shí)別中提高了網(wǎng)絡(luò)對(duì)特征攻擊和標(biāo)簽攻擊的魯棒性。

論文鏈接：

https://paper.yanxishe.com/review/5099

推薦人：feima0969（清華大學(xué)數(shù)據(jù)科學(xué)專業(yè)，Paper 研習(xí)社特約作者）

???

除了上述的的五篇精選論文推薦，我們還為你精心準(zhǔn)備了可以一鍵下載的論文集：

EMNLP 2019 Workshop論文合集

下載地址：https://paper.yanxishe.comhttp://packages/122

圖神經(jīng)網(wǎng)絡(luò)（GNN）入門必讀論文 270篇

下載地址：https://paper.yanxishe.comhttp://packages/109

最新212篇自動(dòng)化神經(jīng)網(wǎng)絡(luò)搜索（NAS）論文

下載地址：https://paper.yanxishe.com/http://packages/68

ICCV 2019 | 最新公開的51篇 Oral Paper 合集

下載地址：https://www.yanxishe.com/resourceDetail/1010

EMNLP 2019 | 10篇論文實(shí)現(xiàn)代碼合集及下載

下載地址：https://www.yanxishe.com/resourceDetail/1013

NeurIPS 2019 GNN 論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1006

AAAI （1996-2019）歷年最佳論文合集

下載地址：https://www.yanxishe.com/resourceDetail/991

快來下載試試吧！

想要閱讀更多精彩論文？

點(diǎn)擊閱讀原文跳轉(zhuǎn) paper.yanxishe.com