今日 Paper | 多人姿勢(shì)估計(jì)；對(duì)話框語義分析；無監(jiān)督語義分析；自然語言處理工具包等

本文作者： AI研習(xí)社

2020-02-06 11:04

導(dǎo)語：為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊

今日 Paper | 多人姿勢(shì)估計(jì)；對(duì)話框語義分析；無監(jiān)督語義分析；自然語言處理工具包等

基于層次表示的面向任務(wù)對(duì)話框語義分析
固定的無監(jiān)督語義分析
斯坦福CoreNLP自然語言處理工具包
DeepCut：用于多人姿勢(shì)估計(jì)的聯(lián)合子集分區(qū)和標(biāo)簽
基于搜索的神經(jīng)結(jié)構(gòu)學(xué)習(xí)的順序問答

基于層次表示的面向任務(wù)對(duì)話框語義分析

論文名稱：Semantic Parsing for Task Oriented Dialog using Hierarchical Representations

作者：SonalGupta /RushinShah / MrinalMohit /AnujKumar

發(fā)表時(shí)間：2018/10/18

論文鏈接：https://paper.yanxishe.com/review/9233

推薦原因

本文核心問題：這是Facebook的一篇論文，核心是做任務(wù)型對(duì)話系統(tǒng)，任務(wù)型對(duì)話系統(tǒng)目前有兩個(gè)主流的方式，一種是基于意圖識(shí)別和實(shí)體抽取的方法，但是這種方法很難解決復(fù)雜的查詢工作。還有一種是將自然語言直接轉(zhuǎn)換為計(jì)算機(jī)可以理解并且執(zhí)行的語言，本文就是解決這個(gè)問題

創(chuàng)新點(diǎn)：面向任務(wù)的對(duì)話框系統(tǒng)的分層語義表示，它可以對(duì)組合查詢和嵌套查詢建模。提出了一個(gè)語義解析的層次化注釋方案，它允許組合查詢的表示，并且可以被標(biāo)準(zhǔn)的選區(qū)解析模型高效準(zhǔn)確地解析。而且還發(fā)布了一個(gè)由44k個(gè)帶注釋的查詢1組成的數(shù)據(jù)集。

研究意義：在這個(gè)數(shù)據(jù)集上，解析模型的性能優(yōu)于序列到序列的方法。

固定的無監(jiān)督語義分析

論文名稱：Grounded Unsupervised Semantic Parsing

作者：Hoifung Poon

發(fā)表時(shí)間：2017/5/13

論文鏈接：https://paper.yanxishe.com/review/9234

推薦原因

核心問題：這是一篇做語義解析的工作，具體來說就是通過無監(jiān)督的方式，將自然語言轉(zhuǎn)成精準(zhǔn)的數(shù)據(jù)庫查詢

創(chuàng)新點(diǎn)：這是第一個(gè)無監(jiān)督的語義解析工作，本論文提出了一種GUSP系統(tǒng)，使用EM學(xué)習(xí)概率語義語法，以彌補(bǔ)直接監(jiān)督的不足，還有一點(diǎn)是使用數(shù)據(jù)庫來進(jìn)行輔助式監(jiān)督學(xué)習(xí)，因?yàn)樯傻腟QL語言可以通過數(shù)據(jù)庫來獲取到是否可以執(zhí)行

研究意義：在ATIS數(shù)據(jù)集中GUSP系統(tǒng)準(zhǔn)確度達(dá)到84%，還有一點(diǎn)就是這種方式不需要具體的數(shù)據(jù)，這種無監(jiān)督方式在一定程度上解決了數(shù)據(jù)量不足的問題。

斯坦福CoreNLP自然語言處理工具包

論文名稱：The Stanford CoreNLP Natural Language Processing Toolkit

作者：ChristopherD.Manning /Mihai Surdeanu /John Bauer

發(fā)表時(shí)間：2014/6/23

論文鏈接：https://paper.yanxishe.com/review/9235

推薦原因

最近在做英文的數(shù)據(jù)預(yù)處理的時(shí)候，使用了斯坦福大學(xué)的數(shù)據(jù)預(yù)處理工具包c(diǎn)oreNLP，這個(gè)工具包可以完成以下的幾個(gè)工作：

1.分詞

2.詞性標(biāo)注

3命名實(shí)體識(shí)別

4句法成分分析

5依存句法分析

等等，提供了一系列的人類語言技術(shù)工具。支持多種自然語言處理基本功能，Stanfordcorenlp是它的一個(gè)python接口，這篇論文就是介紹這個(gè)工作的，這里推薦給大家閱讀一下，可以說這些工作都是nlp的基礎(chǔ)性的工作。

DeepCut：用于多人姿勢(shì)估計(jì)的聯(lián)合子集分區(qū)和標(biāo)簽

論文名稱：DeepCut: Joint Subset Partition and Labeling for Multi Person Pose Estimation

作者：Pishchulin Leonid /Insafutdinov Eldar /Tang Siyu /Andres Bjoern /Andriluka Mykhaylo /Gehler Peter /Schiele Bernt

發(fā)表時(shí)間：2015/11/20

論文鏈接：https://paper.yanxishe.com/review/9236

推薦原因：領(lǐng)域：多人關(guān)節(jié)姿態(tài)估計(jì)

提出了一種共同解決檢測(cè)和姿勢(shì)估計(jì)任務(wù)的方法：推斷場(chǎng)景中的人數(shù)，識(shí)別被遮擋的身體部位，并消除彼此相鄰的人之間的身體部位的歧義。這種聯(lián)合方式與以前的策略形成了鮮明的對(duì)比，后者通過首先檢測(cè)人們并隨后估計(jì)其身體姿勢(shì)來解決該問題。此論文提出了基于CNN的部分檢測(cè)器生成的一組身體部位假說的劃分和標(biāo)記公式。公式是整數(shù)線性程序的一個(gè)實(shí)例，隱式地對(duì)候選零件集執(zhí)行非最大抑制并將其分組以形成考慮幾何和外觀約束的身體部位配置。在四個(gè)不同數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)證明了單人和多人姿勢(shì)估計(jì)的最新結(jié)果。

基于搜索的神經(jīng)結(jié)構(gòu)學(xué)習(xí)的順序問答

論文名稱：Search-based Neural Structured Learning for Sequential Question Answering

作者：Mohit Iyyer /Wen-tau Yih / Ming-Wei Chang

發(fā)表時(shí)間：2017/5/17

論文鏈接：https://paper.yanxishe.com/review/9237

推薦原因

核心問題：這篇論文是做問答系統(tǒng)的，核心是語義解析，它為了解決在對(duì)話過程中回答簡(jiǎn)單但相互關(guān)聯(lián)的序列問題。

創(chuàng)新點(diǎn)：為了解剛才所提出的問題，本論文提出了一種新的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)語義分析框架，應(yīng)用了一種弱監(jiān)督的獎(jiǎng)勵(lì)引導(dǎo)搜索。

研究意義：通過這種方式來搭建的網(wǎng)絡(luò)模型，可以完成精確的回答（是在作者們自己收集的數(shù)據(jù)中）。

論文作者團(tuán)隊(duì)招募

為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊，希望以論文作為聚合 AI 學(xué)生青年的「興趣點(diǎn)」，通過論文整理推薦、點(diǎn)評(píng)解讀、代碼復(fù)現(xiàn)。致力成為國內(nèi)外前沿研究成果學(xué)習(xí)討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認(rèn)可。

我們希望熱愛學(xué)術(shù)的你，可以加入我們的論文作者團(tuán)隊(duì)。

加入論文作者團(tuán)隊(duì)你可以獲得

1.署著你名字的文章，將你打造成最耀眼的學(xué)術(shù)明星

2.豐厚的稿酬

3.AI 名企內(nèi)推、大會(huì)門票福利、獨(dú)家周邊紀(jì)念品等等等。

加入論文作者團(tuán)隊(duì)你需要：

1.將你喜歡的論文推薦給廣大的研習(xí)社社友

2.撰寫論文解讀

如果你已經(jīng)準(zhǔn)備好加入 AI 研習(xí)社的論文兼職作者團(tuán)隊(duì)，可以添加運(yùn)營小姐姐的微信，備注“論文兼職作者”

今日 Paper | 多人姿勢(shì)估計(jì)；對(duì)話框語義分析；無監(jiān)督語義分析；自然語言處理工具包等