“Paper + Code”才是研读论文的正确姿势 | PaperDaily #02
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后的探索和思考。
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。
點擊本文底部的「閱讀原文」即刻加入社區，查看更多最新論文推薦。
這是 PaperDaily 的第?2?篇文章[ 機器學習 ] Neural Factorization Machines for Sparse Predictive Analytics
@somtian 推薦
#factorization machine
將推薦系統中的 FM 模型通過神經網絡進行解釋和建模，考慮了所有特征表示向量之間的 pair-wise 交互關系。
[ 自然語言處理 ] Long Text Generation via Adversarial Training with Leaked Information@Maniac 推薦
#GAN
BLEU score 相比 AAAI17 的 seqGAN 有大幅度的提升。
Neural Architectures for Named Entity Recognition@yanyu 推薦
#NER
本文主要介紹兩個處理命名實體的方法。一種是 bidirectional LSTMs + crf，一種是 transition-based。 前者已經衍生出了很多改進方法，比如輸入字級別的，增加 attention。最重要的該 paper 放出了代碼。大家可以進行參考。
VSE++: Improved Visual-Semantic Embeddings@gujiuxiang 推薦
#word embeddings
Unlike the original paper uses the rank loss which computes the sum of violations across the negative training examples. Instead, they penalize the model according to the hardest negative examples.
[ 計算機視覺 ] Deep Convolutional Neural Networks with Merge-and-Run Mappings@yijizhao 推薦
#ResNet
1. 對比 ResNet，從網絡寬度角度探索網絡結構；2. 深度融合網絡；3. Merge-and-Run 結構去除 ResNets 極深的那一條線路；4. 深層數對網絡本身性能的提升不是最關鍵的，從增加模型的潛在網絡數目（Ensemble Size）角度思考網絡結構。
SphereFace - Deep Hypersphere Embedding for Face Recognition@guuker 推薦
#face recognition
對作者自己論文 Large Margin Softmax 的改進，把最后一層的權重做了歸一化。開源的代碼非常扎實有參考性，在 LFW 和 MegaFace 任務上取得非常好的實踐效果。
Self-critical Sequence Training for Image Captioning@jamiechoi 推薦
#image captioning
IBM 的論文，使用 RL 來做 image caption，是當前imscoco 上 captioning leaderboard 的第五名，曾經第一名。
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、人工智能、機器學習、數據挖掘和信息檢索等研究方向，點擊「閱讀原文」即刻加入社區！
關于PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。
總結
以上是生活随笔為你收集整理的“Paper + Code”才是研读论文的正确姿势 | PaperDaily #02的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 大家心目中的这些「优质」论文，你读过几篇
- 下一篇： 从2017年顶会论文看Attention