今日 Paper | 多人姿勢估計；對話框語義分析；無監(jiān)督語義分析；自然語言處理工具包等

本文作者： AI研習社

2020-02-06 11:04

導語：為了更好地服務廣大 AI 青年，AI 研習社正式推出全新「論文」版塊

今日 Paper | 多人姿勢估計；對話框語義分析；無監(jiān)督語義分析；自然語言處理工具包等

基于層次表示的面向任務對話框語義分析

論文名稱：Semantic Parsing for Task Oriented Dialog using Hierarchical Representations

作者：SonalGupta /RushinShah / MrinalMohit /AnujKumar

發(fā)表時間：2018/10/18

論文鏈接：https://paper.yanxishe.com/review/9233

推薦原因

本文核心問題：這是Facebook的一篇論文，核心是做任務型對話系統(tǒng)，任務型對話系統(tǒng)目前有兩個主流的方式，一種是基于意圖識別和實體抽取的方法，但是這種方法很難解決復雜的查詢工作。還有一種是將自然語言直接轉換為計算機可以理解并且執(zhí)行的語言，本文就是解決這個問題

創(chuàng)新點：面向任務的對話框系統(tǒng)的分層語義表示，它可以對組合查詢和嵌套查詢建模。提出了一個語義解析的層次化注釋方案，它允許組合查詢的表示，并且可以被標準的選區(qū)解析模型高效準確地解析。而且還發(fā)布了一個由44k個帶注釋的查詢1組成的數(shù)據(jù)集。

研究意義：在這個數(shù)據(jù)集上，解析模型的性能優(yōu)于序列到序列的方法。

固定的無監(jiān)督語義分析

論文名稱：Grounded Unsupervised Semantic Parsing

作者：Hoifung Poon

發(fā)表時間：2017/5/13

論文鏈接：https://paper.yanxishe.com/review/9234

推薦原因

核心問題：這是一篇做語義解析的工作，具體來說就是通過無監(jiān)督的方式，將自然語言轉成精準的數(shù)據(jù)庫查詢

創(chuàng)新點：這是第一個無監(jiān)督的語義解析工作，本論文提出了一種GUSP系統(tǒng)，使用EM學習概率語義語法，以彌補直接監(jiān)督的不足，還有一點是使用數(shù)據(jù)庫來進行輔助式監(jiān)督學習，因為生成的SQL語言可以通過數(shù)據(jù)庫來獲取到是否可以執(zhí)行

研究意義：在ATIS數(shù)據(jù)集中GUSP系統(tǒng)準確度達到84%，還有一點就是這種方式不需要具體的數(shù)據(jù)，這種無監(jiān)督方式在一定程度上解決了數(shù)據(jù)量不足的問題。

斯坦福CoreNLP自然語言處理工具包

論文名稱：The Stanford CoreNLP Natural Language Processing Toolkit

作者：ChristopherD.Manning /Mihai Surdeanu /John Bauer

發(fā)表時間：2014/6/23

論文鏈接：https://paper.yanxishe.com/review/9235

推薦原因

最近在做英文的數(shù)據(jù)預處理的時候，使用了斯坦福大學的數(shù)據(jù)預處理工具包coreNLP，這個工具包可以完成以下的幾個工作：

1.分詞

2.詞性標注

3命名實體識別

4句法成分分析

5依存句法分析

等等，提供了一系列的人類語言技術工具。支持多種自然語言處理基本功能，Stanfordcorenlp是它的一個python接口，這篇論文就是介紹這個工作的，這里推薦給大家閱讀一下，可以說這些工作都是nlp的基礎性的工作。

DeepCut：用于多人姿勢估計的聯(lián)合子集分區(qū)和標簽

論文名稱：DeepCut: Joint Subset Partition and Labeling for Multi Person Pose Estimation

作者：Pishchulin Leonid /Insafutdinov Eldar /Tang Siyu /Andres Bjoern /Andriluka Mykhaylo /Gehler Peter /Schiele Bernt

發(fā)表時間：2015/11/20

論文鏈接：https://paper.yanxishe.com/review/9236

推薦原因：領域：多人關節(jié)姿態(tài)估計

提出了一種共同解決檢測和姿勢估計任務的方法：推斷場景中的人數(shù)，識別被遮擋的身體部位，并消除彼此相鄰的人之間的身體部位的歧義。這種聯(lián)合方式與以前的策略形成了鮮明的對比，后者通過首先檢測人們并隨后估計其身體姿勢來解決該問題。此論文提出了基于CNN的部分檢測器生成的一組身體部位假說的劃分和標記公式。公式是整數(shù)線性程序的一個實例，隱式地對候選零件集執(zhí)行非最大抑制并將其分組以形成考慮幾何和外觀約束的身體部位配置。在四個不同數(shù)據(jù)集上進行的實驗證明了單人和多人姿勢估計的最新結果。