每周「Paper + Code」清单：句子嵌入，文本表示，图像风格转换
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?29?篇文章[ 自然語言處理 ]
@zhangjun 推薦
#Neural Machine Translation
一個開源的產品級神經機器翻譯框架，構建在 MXNet 平臺上。
Multilingual Hierarchical Attention Networks for Document Classification@miracle 推薦
#Text Classification
本文使用兩個神經網絡分別建模句子和文檔，采用一種自下向上的基于向量的文本表示模型。首先使用 CNN/LSTM 來建模句子表示，接下來使用雙向 GRU 模型對句子表示進行編碼得到文檔表示。
Supervised Learning of Universal Sentence Representations from Natural Language Inference Data
@zxEECS 推薦
#Natural Language Generation
本文來自 Facebook AI Research。本文研究監督句子嵌入，作者研究并對比了幾類常見的網絡架構（LSTM，GRU，BiLSTM，BiLSTM with self attention?和?Hierachical CNN）, 5 類架構具很強的代表性。
Recurrent Neural Networks for Semantic Instance Segmentation@paperweekly 推薦
#Recurrent Neural Networks
本項目提出了一個基于 RNN 的語義實例分割模型，為圖像中的每個目標順序地生成一對 mask 及其對應的類概率。該模型是可端對端 + 可訓練的，不需要對輸出進行任何后處理，因此相比其他依靠 object proposal 的方法更為簡單。
Deep Image Prior@AkiyamaYukari 推薦
#Image Style Transfer
本文視角獨特，效果不錯。作者認為模型可以不通過對于數據集上進行學習和預訓練就能實現圖像轉換任務（如去噪、超分等），僅需調節超參數（如網絡訓練次數、學習率等）。
AlignedReID: Surpassing Human-Level Performance in Person Re-Identification@Molly 推薦
#Person Re-identification
本文來自 Face++，作者引入端到端的方法，讓網絡自動去學習人體對齊，從而提高性能。除了提取全局特征，同時也對各局部提取局部特征。
When Unsupervised Domain Adaptation Meets Tensor Representations@jindongwang 推薦
#Domain Adaptation
當傳統的基于 vector 的 domain adaptation 應用于 tensor，會發生什么？這個文章發表在 ICCV 2017 上，很有指導意義。
@zh794390558 推薦
#Generative Adversarial Networks
本文提出的模型名為 CycleGAN，作者希望在不借助 paired example 情況下，來實現圖片的風格轉換。
[ 機器學習 ]
@YFLu 推薦
#Representation Learning
SDNE 是清華大學崔鵬老師組發表在 2016KDD 上的一個工作，目前谷歌學術引用量已經達到了 85，是一篇基于深度模型對網絡進行嵌入的方法。
SDNE 模型同時利用一階相似性和二階相似性學習網絡的結構，一階相似性用作有監督的信息，保留網絡的局部結構；二階相似性用作無監督部分，捕獲網絡的全局結構，是一種半監督深度模型。
Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction@cornicione 推薦
#Convolutional Neural Network
論文提出一種從宏觀預測城市人口的網絡 — ST-ResNet，利用 3 個網絡分支分別對 3 種時間特性進行建模：時間緊密度，周期，趨勢。結合外界因素，對不同地區分配不同的權重，將 3 個分支進行動態融合。
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！
我是彩蛋?
?解鎖新功能：熱門職位推薦！
PaperWeekly小程序升級啦
今日arXiv√猜你喜歡√熱門職位√
找全職找實習都不是問題
?
?解鎖方式?
1. 識別下方二維碼打開小程序
2. 用PaperWeekly社區賬號進行登陸
3. 登陸后即可解鎖所有功能
?職位發布?
請添加小助手微信（pwbot01）進行咨詢
?
長按識別二維碼，使用小程序
*點擊閱讀原文即可注冊
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每周「Paper + Code」清单：句子嵌入，文本表示，图像风格转换的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 直播实录 | 基于生成模型的事件流研究
- 下一篇： 深度强化学习的 18 个关键问题 | P