來不及想標題了，我要去打包收藏了 | 本周值得讀

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。

Large Scaled Relation Extraction with Reinforcement Learning

@theodoric008 推薦

#Relation Extraction

本文是中科院自動化所發表於 AAAI 2018 的工作。論文提供了一種利用強化學習進行實體關係抽取的思路，近幾年做 RE 的，有基於 Supervised 數據集的：2015 Xu CNN，2016 Zhou LSTM；有基於遠程監督數據集的：2015 Zeng PCNN，2016 Lin PCNN + ATT 等等。

本文也是基於遠程監督數據集，但是與前面提到的不同的是，本文模型可以對句子分類，而不僅僅對 Bag (Entity pair)。

論文鏈接：https://www.paperweekly.site/papers/1783

Demystifying Core Ranking in Pinterest Image Search

@Ttssxuan 推薦

#Content-based Image Retrieval

本文是 Pinterest 試驗的圖片檢索演算法，本文從：training data，user/image featurization 和 ranking models 等角度進行解讀，並做了性能和質量方面的測試。

論文鏈接：https://www.paperweekly.site/papers/1798

Group Normalization

@chlr1995 推薦

#Normalization

本文為 Kaiming He 新作。Batch-Norm 在深度學習中一直扮演著重要的角色，但 BN 也存在著明顯的問題——需要足夠大的 Batch Size，大大增加了訓練的成本。本文提出了一種新的歸一化——Group Norm 替代 BN，並且通過實驗證明，在較小的 Batch Size 下，使用 GN 的網路最終得到的結果，要比使用BN的結果更好。

論文鏈接：https://www.paperweekly.site/papers/1765

代碼鏈接：https://github.com/shaohua0116/Group-Normalization-Tensorflow

CliCR: A Dataset of Clinical Case Reports for Machine Reading Comprehension

@paperweekly 推薦

#Machine Reading Comprehension

本文提出了一個醫療領域的機器理解數據集。該數據集基於大量臨床病例報告，對病例進行了約100,000次間隙填充查詢。

論文鏈接：https://www.paperweekly.site/papers/1790

數據集鏈接：https://github.com/clips/clicr

Single-Shot Bidirectional Pyramid Networks for High-Quality Object Detection

@chlr1995 推薦

#Object Detection

雖然現在利用 DL 的方法在實體檢測方面取得了顯著的成果，但是這些方法往往都是面向低精度的檢測，即設定 IoU 為 0.5 提取粗精度的候選框，這樣就導致了精度低甚至會檢測出雜訊。

本文提出了一種雙向金字塔網路結構，在不犧牲檢測效率的情況下，達到高精度檢測（如，IoU>0.5）。而且在實驗中，COCO 和 Pascal 數據集都取得了 state-of-the-art 的結果。

論文鏈接：https://www.paperweekly.site/papers/1766

Averaging Weights Leads to Wider Optima and Better Generalization

@paperweekly 推薦

#Deep Neural Networks

本文提出了一種簡單的 DNN 訓練方法 SWA，作為 SGD 的替代。SWA 具備更好的泛化能力、更快的收斂速度，並且幾乎沒有任何計算開銷。

論文鏈接：https://www.paperweekly.site/papers/1789

代碼鏈接：https://github.com/timgaripov/swa

Deep Semantic Role Labeling with Self-Attention

@robertdlut 推薦

#Self-Attention

本文來自 AAAI2018，廈門大學 Tan 等人的工作。他們將 Self-Attention 應用到了語義角色標註任務（SRL）上，並取得了先進的結果。這篇論文中，作者將 SRL 作為一個序列標註問題，使用 BIO 標籤進行標註，然後提出使用深度注意力網路（Deep Attentional Neural Network）進行標註。

在每一個網路塊中，有一個 RNN/CNN/FNN 子層和一個 Self-Attention 子層組成。最後直接利用 softmax 當成標籤分類進行序列標註。

論文鏈接：https://www.paperweekly.site/papers/1786

代碼鏈接：https://github.com/XMUNLP/Tagger

YOLOv3: An Incremental Improvement

@chlr1995 推薦

#Object Detection

YOLO 網路 V3 版本，比 SSD 速度提升了 3 倍，比 RetinaNet 速度提高近 4 倍。本文使用 DarkNet 作為底層網路，通過優化模型細節，進一步加快了 YOLO 的速度。

論文鏈接：https://www.paperweekly.site/papers/1782

代碼鏈接：https://pjreddie.com/darknet/yolo/

CapsuleGAN: Generative Adversarial Capsule Network

@williamking5 推薦

#GAN

本文將 Hinton 大神最新提出的膠囊網路 CapsNet 取代 CNN，作為判別器應用到了生成對抗網路當中。

論文鏈接：https://www.paperweekly.site/papers/1770

Deep Matrix Factorization Models for Recommender Systems

@somtian 推薦

#Recommender System

本文在利用深度學習做推薦時，考慮了推薦的顯式反饋和隱式反饋，將其融合構建成一個矩陣，從而將用戶和產品的不同向量輸入到兩個並行的深層網路中去。最後，設計了一種新型的損失函數以同時考慮評分和交互兩種不同類型的反饋數據。

論文鏈接：https://www.paperweekly.site/papers/1799

Deep Learning using Rectified Linear Units (ReLU)

@chlr1995 推薦

#Gated Recurrent Unit

在深度神經網路中，ReLU 往往被用作激活函數，而使用 softmax 作為分類器。本文受到近來使用其他分類器方法啟發，嘗試了使用 ReLU 作為 DNN 的分類器。

論文鏈接：https://www.paperweekly.site/papers/1768

#作 者 招 募#

讓你的文字被很多很多人看到，喜歡我們不如加入我們

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！

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

推薦閱讀：