DL » 深度学习（三十四）——词向量进阶
2018-01-27 :: 7202 WordsCapsule（续）
https://jhui.github.io/2017/11/14/Matrix-Capsules-with-EM-routing-Capsule-Network/
“Understanding Matrix capsules with EM Routing (Based on Hinton’s Capsule Networks)”
https://zhuanlan.zhihu.com/p/42864711
胶囊网络到底是什么东东？
https://zhuanlan.zhihu.com/p/32106577
酉变换与递归神经网络
https://github.com/freefuiiismyname/capsule-mrc
基于capsule的观点型阅读理解模型
https://mp.weixin.qq.com/s/cskdgsysD7R_FKChAKmlDg
利用Capsule重构过程，Hinton等人实现对抗样本的自动检测
https://mp.weixin.qq.com/s/7fBXMvT4eyZrKhPKQTAIZQ
你听说过胶囊网络吗？
https://www.cnblogs.com/CZiFan/p/9803067.html
CapsNet胶囊网络
https://mp.weixin.qq.com/s/F9SGZPZj6gup_nOVuDel6A
与胶囊网络异曲同工：Bengio等提出四元数循环神经网络
https://mp.weixin.qq.com/s/4o9XHGwx5lYsJ7YfUNHSoQ
百年老图难倒谷歌AI，网友：是鸭是兔？连我都不能确定
https://mp.weixin.qq.com/s/dN1p7nuv6xtnIsSuY73CcA
基于GNN，强于GNN：胶囊图神经网络的PyTorch实现
https://mp.weixin.qq.com/s/lcJcaiMtYXGVOwa_sVsVfA
Hinton老爷子CapsNet再升级，结合无监督，接近当前最佳效果
https://mp.weixin.qq.com/s/A0m3lkIBCTFf5bzTQlYbgQ
基于胶囊网络的计算机视觉应用
https://mp.weixin.qq.com/s/BqsFIUrVEVz5kOFh3W93gQ
胶囊网络升级新版本，推特2000+赞
https://zhuanlan.zhihu.com/p/106330900
解读－Stacked Capsule AutoEncoder－堆叠的胶囊自编码器
https://mp.weixin.qq.com/s/ubi1L1Zlh4yZqCjZnpD58w
Capsule Network深度解读
词向量进阶
All is Embedding
向量化是机器学习处理非数值数据的必经之路。因此除了词向量之外，还有其他的Embedding。比如Network Embedding。
参考：
https://mp.weixin.qq.com/s/wcFlZPbB5dl6C87kdfjmKw
NE(Network Embedding)论文小览
https://mp.weixin.qq.com/s/rWn6Bi5T3JfucD4C0jYSBA
Network Embedding指南
https://mp.weixin.qq.com/s/luSTZVzaK6fPw4veIDuMwg
网络表示学习综述：一文理解Network Embedding
https://mp.weixin.qq.com/s/HjzZJIA77gUlkG4doeT3uQ
网络表示学习介绍
https://zhuanlan.zhihu.com/p/36788547
网络表示学习论文引介
https://mp.weixin.qq.com/s/TaLsCHNIYPRAog38gu5N8g
word2vec, node2vec, graph2vec, X2vec：构建向量嵌入表示理论，120页ppt
https://mp.weixin.qq.com/s/zTNX_LeVMeHhJG7kPewn2g
除了自然语言处理，你还可以用Word2Vec做什么？
https://mp.weixin.qq.com/s/7dsrvHp6KIvlE-VXiUH1Rw
HIN2Vec：异质信息网络中的表示学习
https://mp.weixin.qq.com/s/CqJ7o1-ptCBBocB3PfEuXg
万物向量化：用协作学习的方法生成更广泛的实体向量
https://mp.weixin.qq.com/s/UtfidoBCJ0Wjpnl_C1a7iw
浅谈向量化与Hash-Trick
https://mp.weixin.qq.com/s/0JmB0sMUVsiuwrVObN_10g
浙江大学提出设计网络嵌入算法的度惩罚原则，可有效保留无标度特性
https://mp.weixin.qq.com/s/YGBvWIENE9TASvb_t_Pebw
爱奇艺深度语义表示学习的探索与实践
https://mp.weixin.qq.com/s/SN6qnaorfYpIYMNcZQTR8Q
推荐系统embedding技术实践总结
https://mp.weixin.qq.com/s/ziKG-fvXyVc59eyNjoXseA
不要再对类别变量进行独热编码了
https://mp.weixin.qq.com/s/AjmaX0B7xaCwEWi8sDOJyA
论推荐算法中的Embedding思想
参考
https://blog.csdn.net/v_JULY_v/article/details/135311471
一文通透Text Embedding模型：从text2vec、openai-text embedding到m3e、bge
http://kexue.fm/archives/4667/
更别致的词向量模型(一)：simpler glove
http://kexue.fm/archives/4669/
更别致的词向量模型(二)：对语言进行建模
http://kexue.fm/archives/4671/
更别致的词向量模型(三)：描述相关的模型
http://kexue.fm/archives/4675/
更别致的词向量模型(四)：模型的求解
http://kexue.fm/archives/4677/
更别致的词向量模型(五)：有趣的结果
http://kexue.fm/archives/4681/
更别致的词向量模型(六)：代码、分享与结语
https://mp.weixin.qq.com/s/GYTxN5X7MnSQ4k5bD2l-PQ
Salesforce的爱因斯坦AI最新NLP研究，通过情境化词向量从翻译中学习!
https://mp.weixin.qq.com/s/GUUkXrB1iyg4rQbBtICq6A
通过NMT训练的通用语境词向量：NLP中的预训练模型？
https://mp.weixin.qq.com/s/4ZlVisY08XvisjbK5zSheg
NLP中“词袋”模型和词嵌入模型的比较
https://mp.weixin.qq.com/s/L6_BV-cWR4wge2ritmyqzA
让你上瘾的网易云音乐推荐算法，用Word2vec就可以实现
https://mp.weixin.qq.com/s/ktzqTUbqMeTLvc-pLJbUvA
蚂蚁金服公开最新基于笔画的中文词向量算法
https://mp.weixin.qq.com/s/GGXI-ZzPc9LLjVQpf5ia1A
词嵌入2017年进展全面梳理：趋势和未来方向
https://mp.weixin.qq.com/s/gI82_PHc94OAsZQBk6DwQw
一次搞定多种语言：Facebook展示全新多语言嵌入系统
https://mp.weixin.qq.com/s/8uyIuO_A0NwusyJV-bKRug
个性化序列推荐：卷积序列嵌入方法
https://mp.weixin.qq.com/s/vrdprH_8J80J3VHQqA-bKg
通过动态融合方式学习多模态词表示，中科院自动化所宗成庆老师团队最新工作
https://mp.weixin.qq.com/s/7Ujxc5_CwhYxXTLAjac0-g
基于异构网络节点表示的推荐系统
https://mp.weixin.qq.com/s/98k1fNHDIwITFyLnNutt4A
Entity Embeddings: 利用深度学习训练结构化数据的实体嵌入
https://blog.csdn.net/malefactor/article/details/50767711
利用Word Embedding自动生成语义相近句子
https://mp.weixin.qq.com/s/4sqMV3tS146VNrTyyncYnQ
中英文词向量评测理论与实践
https://mp.weixin.qq.com/s/p7sCt5Xj1U5vIZftRXBvzw
cw2vec理论及其实现
https://mp.weixin.qq.com/s/df-k5kJcJXhSWbFMu2mtCA
当前最好的词句嵌入技术概览：从无监督学习转向监督、多任务学习
https://mp.weixin.qq.com/s/nmuLM38Q_0MVN_6EtQ_7fQ
艾伦人工智能研究所提出新型深度语境化词表征
https://mp.weixin.qq.com/s/rYvbV4ssmXgblOg20KQVyQ
文本嵌入的经典模型与最新进展
https://mp.weixin.qq.com/s/lpQWcGg7uRBAorj_5QyunA
使用三重损失网络学习位置嵌入：让位置数据也能进行算术运算
https://mp.weixin.qq.com/s/BHA-tFCQjvhf1Tj53SBEaw
基线系统需要受到更多关注：基于词向量的简单模型
https://mp.weixin.qq.com/s/x_4k1ICo0GUFJzo4jRSoIQ
中文词向量论文综述（一）
https://mp.weixin.qq.com/s/79kTL79JIpB-YxbjSoQ-Xw
复旦大学黄萱菁教授带你了解自然语言理解中的表示学习
https://mp.weixin.qq.com/s/0QyLIvH1McooGLc19hIAHA
预测你的下一步-动态网络节点表示学习
https://mp.weixin.qq.com/s/QW7t7iaIN1yaHYzOtwgYAQ
Representation Learning on Network网络表示学习
https://mp.weixin.qq.com/s/KK-_G7Sc9HyYlxH1nLxVfA
斯坦福大学提出全新网络嵌入方法—GraphWave
https://zhuanlan.zhihu.com/p/44755895
“Social Rank”:节点重要度在网络表示学习中的影响
https://mp.weixin.qq.com/s/2GPPC1LfpKLj80EJq7rcDA
如何帮助大家找工作？领英利用深度表征学习提升人才搜索和推荐系统
https://mp.weixin.qq.com/s/I2Gh3f_8cmfeOt0uEGj8hA
FAIR动态元嵌入:动态选择词嵌入模型
https://mp.weixin.qq.com/s/5ko0-W5giZ7wBCLUmkQeKA
神经网络词嵌入：如何将《战争与和平》表示成一个向量？
https://mp.weixin.qq.com/s/4gqpdTxt7Lip-hfuuUweAw
词嵌入获得的信息远比我们想象中的要多得多
https://mp.weixin.qq.com/s/-hh9iRIZtxh8Q-ZU_oCekA
网络嵌入之STNE model
https://mp.weixin.qq.com/s/iLaGGJXLwgI7qzcgkySlSQ
工程实践也能拿KDD最佳论文？解读Embeddings at Airbnb
https://mp.weixin.qq.com/s/oJUzrZP_cxhiarq0w9Yqpg
从KDD 2018最佳论文看Airbnb实时搜索排序中的Embedding技巧
https://mp.weixin.qq.com/s/sY9ILRTUCmupmJyJ3RX6-w
57页清华大学孙茂松组《知识表示学习》综述论文
https://mp.weixin.qq.com/s/KjDwumX8FViKC4FNWdml_w
如何给词嵌入模型选择最优维度
https://mp.weixin.qq.com/s/nAWiNAgA_Ste8rzcqaH8YA
情感分析词嵌入预处理细粒度实验综述
https://mp.weixin.qq.com/s/caG7kwZfo2qpvLDbrvfpng
AAAI 2019教程—361页PPT带你回顾最新词句Embedding技术和应用
https://mp.weixin.qq.com/s/B0HAl9T8yKGpH_PZbbw0Yg
用于知识图中链接预测的嵌入方法SimplE
https://mp.weixin.qq.com/s/wekqgCtlMan_PJHYadSpcg
从词向量到句向量的技术详解
https://www.zhihu.com/question/33952003
如何通过词向量技术来计算2个文档的相似度？
https://mp.weixin.qq.com/s?__biz=MzI1NjM1ODEyMg==&mid=2247484632&idx=1&sn=e3ed259243c4ee26403edf4573165f76
嵌入方法在推荐系统中的应用
https://zhuanlan.zhihu.com/p/85739175
关于句子表征的学习笔记
https://mp.weixin.qq.com/s/M_Fo1BSv3yZ52XPxXCf77w
多模态预训练表示UNITER：通用图像-文本语言表示学习
https://mp.weixin.qq.com/s/RyKy8Iw_ZLTCrbPS3rFtOQ
Airbnb基于Embedding技术的实时个性化推荐
https://mp.weixin.qq.com/s/3ZZvTULbdeSKzF51Wa74WQ
分布式词向量表示，附239页PPT下载
https://zhuanlan.zhihu.com/p/109935332
万物皆可embedding
https://mp.weixin.qq.com/s/iMU2LPDadmVMgzUifw3-XA
浅谈电商搜索推荐中ID类特征的统一建模：Hema Embedding解读
https://lumingdong.cn/application-practice-of-embedding-in-recommendation-system.html
推荐系统的中embedding的应用实践
https://mp.weixin.qq.com/s/76BaQ6b1FYz05pZUbplGhQ
一文总结词向量的计算、评估与优化
https://mp.weixin.qq.com/s/BwqVwN-9R8ROjgfnTUcMQg
万字长文聊一聊Embedding技术
https://mp.weixin.qq.com/s/iOhCZ__NbhQnjHVj0bSqRw
怎样将Embedding融入传统机器学习框架？
https://mp.weixin.qq.com/s/k-Bgkh7Ff2g_CIpQfq47AA
自然语言处理中词向量表示算法概述
姿态/行为检测进阶
https://mp.weixin.qq.com/s/6HsL2B7p-XyvGWAb4SwALA
图灵奖得主Geoffrey Hinton最新研究NASA：一种更好地学习三维模型动作的方法
https://zhuanlan.zhihu.com/p/26460437
Video Analysis相关领域解读之Action Recognition(行为识别)
https://zhuanlan.zhihu.com/p/26603387
Video Analysis相关领域解读之Temporal Action Detection(时序行为检测)
https://zhuanlan.zhihu.com/p/26730181
Video Analysis相关领域介绍之Video Captioning(视频to文字描述)
https://mp.weixin.qq.com/s/-HEYU_El8xysk8atHYx1Mg
基于3D行人姿态和步态预测的神经网络模型
https://zhuanlan.zhihu.com/p/72561165
重新思考人体姿态估计 Rethinking Human Pose Estimation
https://mp.weixin.qq.com/s/8vdTlIe9LV88AVw9kAcVjA
基于空间AdaIN的深度姿态迁移
https://zhuanlan.zhihu.com/p/129279351
X3D Facebook视频理解/行为识别新作
https://zhuanlan.zhihu.com/p/149429010
TAM: 针对动作识别的时序自适应模块
您的打赏，是对我的鼓励
