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?1?篇文章
[ 自然語言處理 ]

Sequence Level Training with Recurrent Neural Networks

@cosmmb 推薦

#recurrent neural networks

現在的 neural-based 的機器翻譯在 decoder 端，training 和 testing 在生成機制上存在一定的 disagreement。

decoder 說 training time 的時候后是 local 的，比如說無論之前生成的字是什么 mode l都會用 ground truth 作為前一個字。而在 testing time 的時候是沒有 ground truth 的，因此無法給出前應該正確生成的字，這就導致了 training 和 testing 的時候對前一個字的準確度的依賴程度不一樣。

如果 testing time 前一個字生產錯誤，這就導致了 training 時學習的 distribution 和此時不一致而導致未知的后果。這篇文章就是為了統一 training 和 testing 的生成模式。

論文鏈接

http://www.paperweekly.site/papers/785

Learning to Rank Short Text Pairs with Convolutional Deep Neural Networks

@geledek 推薦

#question answering

這是一篇相當經典的 Siamese 網絡模型，類似架構可以通過改變左右兩邊的網絡結構而適用于各種 task。

如果把右側網絡輸入換成 Label，則可以用于實現http://yann.lecun.com/exdb/publis/pdf/lecun-06.pdf.

論文鏈接

http://www.paperweekly.site/papers/775

Generating Sentences by Editing Prototypes

@paperweekly 推薦

#natural language generation

本文提出了一種新的文本生成模型，即先從大量的語料中學習生成出一個原型句子，然后再次編輯原型句子而形成最后的句子。相對傳統的 left-to-right beam search，本文提出的 prototype-then-edit 生成的句子質量更高。

論文鏈接

http://www.paperweekly.site/papers/786

[ 計算機視覺 ]

Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

@ailingzeng 推薦

#motion estimation

CVPR 2017：多人姿態實時估計，這里主要亮點還是多人實時+效果.本文算法主要流程如下：輸入一幅圖像，經過卷積網絡提取特征，得到一組特征圖，然后分成兩個岔路，分別使用 CNN 網絡提取 Part Confidence Maps 和 Part Affinity Fields ，得到這兩個信息后，我們使用圖論中的 Bipartite Matching 將同一個人的關節點連接起來得到最終的結果。

論文鏈接

http://www.paperweekly.site/papers/784

In Defense of the Triplet Loss for Person Re-Identification

@Molly 推薦

#question answering

對 triplet loss 的一個討論，里面的 batch hardmining 非常好用。

論文鏈接

http://www.paperweekly.site/papers/787

[ 機器學習 ]

Graph Regularized Non-negative Matrix Factorization for Data Representation

@jindongwang 推薦

#matrix factorization

數據表示領域的經典文章，討論用圖正則化和矩陣分解的方式來表示數據。可以應用到很多方向的研究中。 第一作者是大牛、浙江大學 Deng Cai 老師，Jiawei Han 是共同作者。

論文鏈接

http://www.paperweekly.site/papers/781

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大家心目中的这些「优质」论文，你读过几篇？| PaperDaily #01的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。