计算机学报2020.1-2022.5感兴趣论文简单通览笔记

诸神缄默不语-个人CSDN博文目录

准备投计算机学报,所以通览了一遍官网首页(http://cjc.ict.ac.cn/)上能看到的合集,之前的就懒得一一去翻了。

2020.2

基于抽取的高考作文生成:好家伙,这个题目,没什么好说的好吧,如果对这个题目不感兴趣我会觉得我白学了三年的高考作文这个样子,虽然已经全还给高中语文老师了。

2020.5

图卷积神经网络综述:看到作者里面有沈华伟老师我就知道我该献出膝盖了好吗,毕竟沈老师可是能在我完全不懂GNN的时候能使我直观对GNN有个印象的神人!推荐沈老师的作品不需要提前看。
面向搜索的微博短文本语义建模方法:做搜索的。
基于递归神经网络与注意力机制的动态个性化搜索算法:同上。传统假设是用户历史行为对其搜索结果应有影响(个性化搜索),这个RNN主要是为了建模“近期历史信息对搜索结果重要性更高”这个假设。
基于深度学习的主题模型研究:跟下面那篇概率主题模型一样(我是按年份倒着看的,因为官网排版就是这么排的嘛)

2020.7

多任务学习:多任务学习的综述。我感觉多任务学习范式现在也挺常见了。

2020.8

一种基于条件生成式对抗网络的文本类验证码识别方法:搞搞搞。

2020.9

盲百万富翁问题的高效解决方案
我不懂AI安全啊,我就是感觉挺神奇的:
计算机学报2020.1-2022.5感兴趣论文简单通览笔记_第1张图片

2020.10

任务型对话系统研究综述
带最大熵修正的行动者评论家算法:行动者评论家算法也翻译为演员评论家算法,是强化学习那边的概念,我还没看但可参考:强化学习(6):Actor-Critic(演员评论家)算法_棉花糖灬的博客-CSDN博客_actor critic 算法
基于笔画ELMo和多任务学习的中文电子病历命名实体识别研究:笑死,刚看到这个题目的时候我还以为是那种手写病历的识别,先手写OCR摩擦摩擦是魔鬼的笔迹那种,结果一看到图片真的是电子病历的时候我就有亿点点失望好吗。

2020.11

一种基于用户评论自动分析的APP维护和演化方法:评论分析。我比较在意的是:
在这里插入图片描述
TextCNN这么简单这么古早的方法居然到2020年还这么有用的吗!你们这个领域还不够卷啊!

2020.12

基于多模体边度的科学家合作关系预测:链路预测任务
在这里插入图片描述
这种任务也能成为热点吗?太八卦了吧!

基于证据理论的多关系网络重要节点挖掘方法

2021.2

元学习研究综述

2021.3

基于句法语义依存分析的中文金融事件抽取:江财的作者做的NLP+金融
融合情绪知识的案件微博评论情绪分类:用词典做的文本分类,感觉做法挺简单的。

2021.4

基于绝句生成的构造式信息隐藏算法:看起来是一个NLP+AI安全的工作,用绝句生成的方式来做信息加密传输,感觉有亿点点神奇,get了一个新的AI领域。

2021.5

基于社交圈层和注意力机制的信息热度预测:通过社交网络预测一条消息的未来热度。

2021.6

在线社交网络中群体影响力的建模与分析:通过社交网络预测用户的转发行为。
基于情感轮和情感词典的文本情感分布标记增强方法:我查了一下哈这个标记就是标签,所以标记分布学习意思就是标签不是一个类或者多个类,而是一个分布。(所以机器学习少点黑话是不是会死?)1。我只看了摘要,感觉是情感轮+情感词典+情感分类任务改为多标记分布范式→做数据增强。
概率主题模型综述:我最近正好在总结结构化文本摘要(主题论文总结1:structured text summarization(持续更新ing…)_诸神缄默不语的博客-CSDN博客)的过程中常常见到概率主题模型的影子,只能说恐怕吃枣得学。2
基于图像和视频信息的社交关系理解研究综述:看起来是利用视觉数据来做社交网络研究的综述,可能是多模态的(image+graph)。
众包全景拼接系统下基于图像质量的酬劳分配策略:这个题目看起来很有趣,完。

2021.7

镜像图灵测试:古诗的机器识别:一种把故事讲成镜像图灵测试(指把图灵测试里的人换成机器)的GAN(所以这不就是GAN干的事吗?)。比的是人和机器写古诗。
这个摘要的措辞真的很草,不知道作者写的时候有没有想笑。
计算机学报2020.1-2022.5感兴趣论文简单通览笔记_第2张图片

2021.8

基于循环神经网络和生成式对抗网络的口令猜测模型研究:感觉是AI安全那种东西。
远程监督关系抽取综述:最近的项目用到了一些远程监督的思想,应该去学一学。

2022.3

知识蒸馏研究综述
人在回路的数据融合系统:感觉一般不会用human-in-the-loop这种策略,毕竟没这条件。但是这个逻辑是很直接的。

2022.5

中西方媒体报道各国疫情的对比及情感分析方法研究:有意思,虽然这个结果给我一种“这还用研究?”的感觉,但毕竟还是用研究的。


  1. 可以参考这些资料,我还没认真看:
    标记分布学习LDL与多标记学习MLL以及单标记学习_MasterQKK 被注册的博客-CSDN博客_标记分布学习
    标记分布学习与标记增强
    Label Distribution Learning ↩︎

  2. 其他主题模型相关我准备的学习资料:
    一文详解LDA主题模型 - 知乎 ↩︎

你可能感兴趣的:(学术研究方法,计算机学报,期刊,论文,论文笔记,CJC)