每日论文 | 用于紧凑语义分割模型的框架搜索；用深度学习进行命名实体消歧；多特征文本风格迁移

1

Fast Neural Architecture Search of Compact Semantic Segmentation Models via Auxiliary Cells

对特殊任务自动设计框架结构是非常有前景的技术，但是难度较大。这一领域大部分成果都在图像分类或语言建模问题上实现。在这篇论文中，我们重点关注密集像素的问题，尤其是用完全卷积神经网络进行语义图像的分割。我们主要研究可以用有限的资源，实时搜索高性能紧凑语义框架。为了达到这一目标，我们在训练时通过一组辅助单元对架构进行过参数化，生成监督信号。

地址：https://arxiv.org/abs/1810.10804

2

Named Entity Disambiguation using Deep Learning on Graphs

在这篇论文中，我们利用维基数据中的图，通过短句比较实体，解决了命名实体消歧的问题。对命名实体消歧问题来说，用深度学习从图中创造语境向量是有挑战性的任务。我们对最近的神经技术做了实验性研究，并且讨论了哪种特征对消歧是最重要的。

地址：https://arxiv.org/abs/1810.09164

3

Multiple-Attribute Text Style Transfer

文本领域非监督方法的风格迁移常用方法通常是基于学习一种隐藏表示，它是独立于特征的。在这篇文章中，我们提出了一种新的控制文本数据中多种变量因素的方法，它是基于反向编译的简单机制。我们的方法可以控制多种特性，例如性别、语义、产品类型等等。

地址：https://arxiv.org/abs/1811.00552

星标论智，每天获取最新资讯