本周关键词
SQuAD|聊天机器人
计算机视觉|谷歌大脑
主播 | 吴璇
NO/1 上周,微软又刷新了SQuAD记录...
今年7月,斯坦福大学发起的SQuAD(Stanford Question Answering Dataset)挑战赛榜单更新成绩,科大讯飞与哈工大联合实验室(HFL)提交的系统模型夺得第一名,这也是中国本土研究机构首次取得该赛事的榜首。
就在几天前,斯坦福大学NLP组发推称,微软提交了一次SQuAD的测试成绩,重新夺回了该数据集测试榜单第一的位置。
SQuAD很讨产业界的喜欢,参赛者包括来自微软总部及微软亚洲研究院、Salesforce、科大讯飞、谷歌以及卡内基·梅隆大学、复旦大学等知名企业研究机构和高校,目前在排行榜上,前三名均来自产业界。
SQuAD(Stanford Question Answering Dataset)是行业内公认的机器阅读理解领域的顶级水平测试,被誉为机器阅读理解领域的ImageNet。(来源:雷锋网)
NO/2 清华大学黄民烈博士:如何让聊天机器人理解人类情感?
近日,第十三届 NTCIR 评测比赛中,黄民烈博士带领清华的两位学生,联合搜狗搜索团队一举获得了冠军。团队着手研究如何让计算机通过文字方式表达情绪,也是希望能在人机对话系统中加入感知情绪的成分,能从语言和情感两个维度上生成恰当的回复。
根据论文的介绍,ECM 在传统的 Sequence to Sequence 模型的基础上,采用静态的情感向量嵌入表示,动态的情感状态记忆网络和情感词外部记忆的机制,让 ECM 得以根据用户的输入,并基于指定的情感分类(包括快乐、伤感、愤怒、厌烦、好感等五种情绪)输出相应的回复。
在这项研究中,ECM 首次将情感因素与深度学习方法相融合。ECM 的主要数据来源是新浪微博。(来源:雷锋网)
NO/3 李飞飞:在物体识别之后,计算机视觉还要多久才能理解这个世界
9 月 26 日,在机器人领域的顶级学术会议 IROS 2017 上。著名华人计算机视觉专家、斯坦福副教授李飞飞,与专家学者讨论了计算机视觉的下一步目标:丰富场景理解,计算机视觉与语言结合和任务驱动的计算机视觉的进展和前景。
李飞飞把视觉相关的任务组织成三类:
一是除了物体识别之外的关系识别、复杂语意表征、场景图;
二是在场景gist之外,我们需要用视觉+语言处理单句标注、段落生成、视频理解、联合推理;
最后是任务驱动的视觉问题,李飞飞说“这里还是一个刚刚起步的领域,我相信视觉和逻辑的组合会在这个领域真正携起手来。”(来源:雷锋网)
NO/4 效果超过SGD和Adam,谷歌大脑的「神经网络优化器搜索」自动找到更好的训练优化器
谷歌大脑近期放出了一篇论文「Neural Optimizer Search with Reinforcement Learning」(强化学习的神经网络优化器搜索),用强化学习的方法为神经网络(尤其是深度学习)找到最佳的优化算法/权重更新规则。
在这篇论文中,谷歌大脑的研究员们讨论了一种方案,它可以自动设计优化方法中的权重更新规则,尤其是对于深度学习架构。这个方案的重点是使用了一个RNN结构的控制器,这个控制器可以给优化器生成权重更新方程。这个RNN结构的控制器是通过强化学习的方式训练的,一个具体的网络结构用它生成的更新规则进行同样次数的训练后,可以把模型准确率最大化。(来源:雷锋网)