机器推理系列文章概览:七大NLP任务最新方法与进展
作者:段楠 唐都钰 周明
图2:我们提出的推理方法(XLNet+Graph Reasoning)在以色列特拉维夫大学常识问答任务 CommonsenseQA上取得了目前 state-of-the-art 的结果[3]。
图3:我们提出的推理方法(DREAM)在 Amazon 剑桥研究院事实检测任务FEVER上取得了目前 state-of-the-art 的结果[4]。
图4:我们提出的跨语言预训练模型(Unicoder)在纽约大学跨语言自然语言推理任务XNLI上取得了目前 state-of-the-art 的结果[5]。
图5:我们提出的跨模态预训练模型(Unicoder-VL)在华盛顿大学视觉常识推理任务 VCR 上取得了目前 state-of-the-art 的结果[6]。
图6:我们提出的推理方法(DREAM+Unicoder-VL)在斯坦福大学视觉推理和问答任务 GQA 上取得了目前 state-of-the-art 的结果[7]
图7:我们提出的基于BERT的文档建模方法(BERT-DM)在谷歌文档级问答任务 NQ 上取得了目前 state-of-the-art 的结果[8]。
图8:我们提出的多轮语义分析和问答方法(Seq2Action)在IBM研究院多轮复杂问答任务 CSQA 上取得了目前 state-of-the-art 的结果[9][10]。
[1] Ming Zhou, Nan Duan, Shujie Liu, Heung-Yeung Shum. Progress in Neural NLP: Modeling, Learning and Reasoning. To appear in Engineering, 2019.
[2] Fabio Petroni, Tim Rocktaschel, Patrick Lewis, Anton Bakhtin, Yuxiang Wu, Alexander H. Miller, Sebastian Riedel. Language Models as Knowledge Bases?. EMNLP, 2019.
[3] Shangwen Lv, Daya Guo, Jingjing Xu, Duyu Tang, Nan Duan, Ming Gong, Linjun Shou, Daxin Jiang, Guihong Cao, Songlin Hu. Graph-based Reasoning over Heterogeneous External Knowledge for Commonsense Question Answering. To appear in arXiv, 2019.
https://www.tau-nlp.org/csqa-leaderboard
[4] Wanjun Zhong, Jingjing Xu, Duyu Tang, Zenan Xu, Nan Duan, Ming Zhou, Jiahai Wang, Jian Yin. Reasoning Over Semantic-Level Graph for Fact Checking. To appear in arXiv, 2019.
https://competitions.codalab.org/competitions/18814#results
[5] Haoyang Huang, Yaobo Liang, Nan Duan, Ming Gong, Linjun Shou, Daxin Jiang, Ming Zhou. Unicoder: A Universal Language Encoder by Pre-training with Multiple Cross-lingual Tasks. EMNLP, 2019.
https://arxiv.org/pdf/1909.00964.pdf
[6] Gen Li, Nan Duan, Yuejian Fang, Ming Gong, Daxin Jiang, Ming Zhou. Unicoder-VL: A Universal Encoder for Vision and Language by Cross-modal Pre-training. arXiv, 2019.
https://visualcommonsense.com/leaderboard/
[7] Chenfei Wu, Nan Duan, Gen Li, Yanzhao Zhou, Duyu Tang, Xiaojie Wang, Daxin Jiang, Ming Zhou. DREAM: Dynamic REAsoning Machine for Visual Question Answering. To appear in arXiv, 2019.
https://evalai.cloudcv.org/web/challenges/challenge-page/225/leaderboard/733
[8] Bo Zheng, Haoyang Wen, Yaobo Liang, Nan Duan, Wanxiang Che, Daxin Jiang, Ting Liu, Ming Zhou. Document Modeling with Graph Attention Networks for Multi-grained Machine Reading Comprehension. To appear in arXiv, 2019.
https://ai.google.com/research/NaturalQuestions
[9] Daya Guo, Duyu Tang, Nan Duan, Jian Yin, Ming Zhou. Dialog-to-Action: Conversational Question Answering over a Large-Scale Knowledge Base. NeurIPS, 2018.
[10] Daya Guo, Duyu Tang, Nan Duan, Ming Zhou, Jian Yin. Coupling Retrieval and Meta-Learning for Context-Dependent Semantic Parsing. ACL, 2019.
实习/全职编辑记者招聘ing
加入我们,亲身体验一家专业科技媒体采写的每个细节,在最有前景的行业,和一群遍布全球最优秀的人一起成长。坐标北京·清华东门,在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn
- 基于PaddlePaddle的机器翻译教程 | 深度学习基础任务系列
- 动易首页调用最新文章图片向上滚动方法(ZT)
- 【NLP】揭秘马尔可夫模型神秘面纱系列文章(五)
- 机器学习系列文章:参数方法(最大似然、分类)
- 机器学习系列文章:参数方法(回归)
- NLP最新进展paper和code集合
- 未登录词识别方法研究--公布硕士论文最新进展五(2007.4.26)
- Phpcms V9 调用全站最新文章的方法
- TiDB 源码阅读系列文章(六)Select 语句概览
- 【NLP】蓦然回首:谈谈学习模型的评估系列文章(三)
- 动易首页调用最新文章图片向上滚动方法(ZT)
- 【NLP】蓦然回首:谈谈学习模型的评估系列文章(三)
- 【NLP】漫步条件随机场系列文章(一)
- 深度学习解决机器阅读理解任务的研究进展
- 【NLP】揭秘马尔可夫模型神秘面纱系列文章(一)
- C# 强化系列文章四:匿名方法的使用
- arclist标签在文章页列表页调用所有(全站)栏目最新文章热门文章的方法 [复制链接]
- 最新中文NLP开源工具箱来了!支持6大任务,面向工业应用 | 资源
- C#强化系列文章四:匿名方法的使用
- PHPCMS V9调用全站最新文章标签的修改方法