選對論文，效率提升50% | 本周值得讀

04-15

在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背後的探索和思考。在這個欄目里，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。點擊即刻加入社區，查看更多最新論文推薦。

// 自然語言處理 //

Chinese Text in the Wild

@paperweekly 推薦

#Chinese Text Dataset

清華大學和騰訊共同推出了一個超大規模的中文自然文本數據集——CTW，該數據集包含 32,285 張圖像和 1,018,402 個中文字元，規模遠超此前的同類數據集。

論文鏈接：https://www.paperweekly.site/papers/1738

數據集鏈接：https://ctwdataset.github.io/

Reinforced Self-Attention Network: a Hybrid of Hard and Soft Attention for Sequence Modeling

@zhkun 推薦

#Attention Model

本文將 hard-attention 和 soft-attention 進行巧妙融合，hard-attention 處理長句子依賴問題，soft-attention 進行更精細化的操作，同時為 hard-attention 提供指導，並在強化學習的方法下實現了兩種 attention mechanism 的有效融合，方法還是很有意思的。

論文鏈接：https://www.paperweekly.site/papers/1711

Building Task-Oriented Dialogue Systems for Online Shopping

@xcwill 推薦

#Dialog System

本文來自微軟小冰團隊，論文展示了完整的基於網購任務的對話系統構建。

論文鏈接：https://www.paperweekly.site/papers/1724

A Survey of Model Compression and Acceleration for Deep Neural Networks

@kaierlong 推薦

#Deep Learning

本文全面概述了深度神經網路的壓縮方法，主要可分為參數修剪與共享、低秩分解、遷移/壓縮卷積濾波器和知識精鍊，本論文對每一類方法的性能、相關應用、優勢和缺陷等進行獨到的分析。

論文鏈接：https://www.paperweekly.site/papers/1675

A Hybrid CNN-RNN Alignment Model for Phrase-Aware Sentence Classification

@yinnxinn 推薦

#Sentence Classification

本文有機地將 CNN 和 RNN 結合，從語義層面對 sentense 進行分類，取得良好的效果，文章亮點在於模型的結合使用。

論文鏈接：https://www.paperweekly.site/papers/1666

// 計算機視覺 //

Tiny SSD: A Tiny Single-shot Detection Deep Convolutional Neural Network for Real-time Embedded Object Detection

@Romantic1412 推薦

#Object Detection

本文來自滑鐵盧大學和 DarwinAI，論文提出了一個比 Tiny YOLO 更快效果更好的適用於嵌入式設備的物體檢測演算法。

論文鏈接：https://www.paperweekly.site/papers/1687

Comparative Analysis of Unsupervised Algorithms for Breast MRI Lesion Segmentation

@xaj 推薦

#Medical Image Analysis

本文研究的問題是乳腺核磁共振圖像（2D）的分割，對比了 K-Means、標記控制分水嶺演算法和高斯混合模型三種方法。

論文鏈接：https://www.paperweekly.site/papers/1737

Diagnose like a Radiologist: Attention Guided Convolutional Neural Network for Thorax Disease Classification

@Layumi 推薦

#Medical Image Analysis

本文提升了 ChestX-ray14 數據集上 state-of-the-art performance。通過 Attention機制，讓計算機關注病理區域。

論文鏈接：https://www.paperweekly.site/papers/1677

GIFGIF+: Collecting Emotional Animated GIFs with Clustered Multi-Task Learning

@sunlightll 推薦

#Multi-task Learning

本文從 Giphy 網站上獲取 GIF 圖片，通過其 GIFGIF 平台，這篇文章構建了一個帶有情感的 GIF 圖片庫：GIFGIF+，包含 23,544 張圖片，17 種情感分類。

論文鏈接：https://www.paperweekly.site/papers/1727

數據集鏈接：http://affect.media.mit.edu/share-data.php

Netizen-Style Commenting on Fashion Photos: Dataset and Diversity Measures

@jamiechoi 推薦

#Image Captioning

本文研究的問題是根據圖片生成網民評論，提出了一個大規模服裝數據集——NetiLook，其中包含源自 11,034 位 Lookbook 用戶的 355,205 張圖片和 500 萬條評論。此外，論文還提出了三種衡量多樣性的方法。

論文鏈接：https://www.paperweekly.site/papers/1679

數據集鏈接：http://affect.media.mit.edu/share-data.php

// 機器學習 //

Discriminative Label Consistent Domain Adaptation

@jindongwang 推薦

#Domain Adaptation

本文是一篇比較新的 domain adaptation 文章，裡面有二十幾種方法的結果，非常值得借鑒。

論文鏈接：https://www.paperweekly.site/papers/1703

Efficient Neural Architecture Search via Parameter Sharing

@Synced 推薦

#Neural Network Architectures

本文提出超越神經架構搜索（NAS）的高效神經架構搜索（ENAS），這是一種經濟的自動化模型設計方法，通過強制所有子模型共享權重從而提升了 NAS 的效率，克服了 NAS 算力成本巨大且耗時的缺陷，GPU 運算時間縮短了 1000 倍以上。

在 Penn Treebank 數據集上，ENAS 實現了 55.8 的測試困惑度；在 CIFAR-10 數據集上，其測試誤差達到了 2.89%，與 NASNet 不相上下（2.65% 的測試誤差）。

論文鏈接：https://www.paperweekly.site/papers/1678

The Case for Learned Index Structures

@chenliang 推薦

#Database

本文創造性地將資料庫索引視為可學習的對象，將不同的索引結構對應成不同的機器學習問題。比如，將索引一段排序內容視為 regression 問題，將 hash 解決的數據存在與否問題視為 classification 問題。

雖然目前主要考慮了 read-only 的解決方案，但仍有開闢新研究領域的潛力。

論文鏈接：https://www.paperweekly.site/papers/1683

Predicting Tomorrow』s Mood, Health, and Stress Level using Personalized Multitask Learning and Domain Adaptation

@sunlightll 推薦

#Affective Computing

本文結合了多任務學習和領域自適應方法，個性化地對個人第二天的心情、健康和壓力等級進行預測。

過往的方法通常準確率較低，大部分是解決心情識別的問題，很少做心情預測，對心情識別只是二值分析，不區分程度。對每個人都採用統一的模型分析，不針對個人進行模型的調整。

本文利用用戶的生理指標，行為和天氣等信息訓練 DNN 和 GP 來同時對用戶第二天的心情、健康和壓力進行預測。在 DNN 中運用多任務學習機制，對每個人進行建模，在 GP 中運用領域自適應機制，對每個人的模型進行調整。

論文鏈接：https://www.paperweekly.site/papers/1721

Fast-Slow Recurrent Neural Networks

@sylar 推薦

#Sequential Modeling

NIPS 2017 錄用論文，本文解決的是不同 timescale 的序列輸入問題，適用場景包括語音、推薦 session 中的興趣捕捉等。

論文鏈接：https://www.paperweekly.site/papers/1726

本文由 AI 學術社區 PaperWeekly 精選推薦，社區目前已覆蓋自然語言處理、計算機視覺、人工智慧、機器學習、數據挖掘和信息檢索等研究方向，點擊即刻加入社區！

我是彩蛋

解鎖新姿勢：用微信刷論文！

PaperWeekly小程序上線啦

今日arXiv√猜你喜歡√熱門資源√

隨時緊跟最新最熱論文

解鎖方式

1. 掃描下方小程序碼打開小程序

2. 用PaperWeekly社區賬號進行登陸

3. 登陸後即可解鎖所有功能

關於PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平台。如果你研究或從事 AI 領域，歡迎在公眾號後台點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

微信公眾號：PaperWeekly

新浪微博：@PaperWeekly