计算机的性能分类 腾讯AI Lab解读16篇入选论文

EMNLP 是自然语言处理领域的顶级会议，它的全称是 Conference on Empirical Methods in Natural Language Processing（自然语言处理中的经验方法会议），由国际语言学会（ACL）的 SIGDAT 小组主办，今年 10 月 31 日-11 月 4 日将在比利时布鲁塞尔举行。

今年是腾讯 AI Lab 第 2 次参加 EMNLP，共有 16 篇文章入选，涵盖语言理解、语言生成、机器翻译等多个研究主题。以下为摘要解读。

此外，在今年的多个顶级学术会议中，腾讯 AI Lab 也入选多篇论文，位居国内企业前列，包括机器学习领域顶会 NIPS（20 篇）和 ICML（16 篇）、计算机视觉领域顶会 CVPR（21 篇）和 ECCV（19 篇），以及语音领域顶会 Interspeech（8 篇）等。

[图片]

QuaSE: Sequence Editing under Quantifiable Guidance

论文地址：https://arxiv.org/abs/1804.07007

2. 利用深层表示进行神经机器翻译

babel is currently setup to accept translation contributions in 47 languages for about 40+ eclipse projects and sub-projects. participation for each language and each project may vary. for some of the most common projects, the completion percentages are very high. see the babel translation statistics for more details.。

2014年4月24日，出门问问cto、原google研究院科学家雷欣博士应模式识别国家重点实验室自然语言处理研究组邀请在中国科学院自动化研究所智能化大厦学术报告厅做题为“tworecent developments on deep neural networks for speechprocessing”的学术报告。

efficient deep neural networks for realistic noise removal and beyond。

【16】y. liu, e. racah, j. correa, a. khosrowshahi, d. lavers, k. kunkel, m. wehner, and w. collins, “application of deep convolutional neural networks for detecting extreme weather in climate datasets,” int’l conf. on advances in big data analytics, 2016.。

本文由腾讯 AI Lab 主导，与南京大学合作完成。神经机器翻译系统通常由多层编码器和构成，这允许系统对于复杂函数进行建模并捕获复杂的语言结构。然而，通常情况下，翻译过程仅利用了编码器和的顶层，这错过了利用在其他层中的有用信息的机会。在这项工作中，研究人员提出用层聚合和多层注意机制的方法同时暴露和传输所有这些信号。此外，本文引入辅助的正则化以鼓励不同的层捕获不同的信息。研究人员在广泛使用的 WMT14 英语到德语和 WMT17 中文到英语翻译数据进行实验，实验结果证明了方法的有效性和普遍性。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-89815-1.html