• 作者劉知遠 weibo：http://weibo.com/zibuyu9? 主頁：http://nlp.csai.tsinghua.edu.cn/~lzy ?
  1. 翟成祥老師早期在語言模型的工作很有影響力，他在2009年寫過一本綜述專著：Statistical Language Models for Information Retrieval，建議閱讀。
  2. 北大?@BatmanFly?（現在是人大老師啦）他們做的Knowledge Sharing via Social Login: Exploiting Microblogging Service for Warming up Social Question Answering Websites在微博和知乎之間建立了語義聯系，也是很贊的角度。http://t.cn/RPOzhh4
  3. COLING 2014論文集：http://t.cn/RPpdIIk?，首先要去看今年最佳論文，中科院自動化所?@劉康_自動化所?趙軍老師團隊的大作：Relation Classification via Convolutional Deep Neural Network。:)
  4. 斯坦福Richard Socher在EMNLP2014發表新作：GloVe: Global Vectors for Word Representation 粗看是融合LSA等算法的想法，利用global word co-occurrence信息提升word vector學習效果，很有意思，在word analogy task上準確率比word2vec提升了11%。?http://t.cn/RPohHyc
  5. 哈工大@張牧宇-哈工大SCIR?的Triple based Background Knowledge Ranking for Document Enrichment利用knowledge triple表示文檔，與今年WSDM的Knowledge-based Graph Document Modeling有異曲同工之妙。
  6. 發現哈工大的這篇 Learning Sense-specific Word Embeddings By Exploiting Bilingual Resources 利用雙語數據學習詞義表示。多語角度很有意思。
  7. ?MSRA A Probabilistic Model for Learning Multi-Prototype Word Embeddings，基于skip-gram采用概率模型和EM算法解決一詞多義的表示問題。
  8. @周光有_CAS?和趙軍老師在社區問答系統上的工作：Group Non-negative Matrix Factorization with Natural Categories for Question Retrieval in Community Question Answer Archives。最近word embedding和NMF都開始在NLP領域大顯身手了。
  9. IBM有篇Deep Convolutional Neural Networks for Sentiment Analysis of Short Texts，在Fine-Grained的評測上效果比Socher的RNTN高大約3個百分點不到。
  10. MSRA有篇 A Probabilistic Model for Learning Multi-Prototype Word Embeddings，基于skip-gram采用概率模型和EM算法解決一詞多義的表示問題。這個問題很有實用價值。@陳新雄_THU?也將在今年EMNLP展示我們組在這方面的工作：A Unified Model for Word Sense Representation and Disambiguation。
  11. 哈工大和MSRA合作的 Building Large-Scale Twitter-Specific Sentiment Lexicon : A Representation Learning Approach 想法也很有意思，利用word embedding技術構建情感詞典。作者?@唐都鈺HIT-SCIR?今年還有篇ACL和EMNLP，都是以情感分析為主題，國內NLP新星啊。:)
  12. 謝?@劉康_自動化所?推介。Jiawei Han老師綜述介紹得非常全面，建議以此為入口學習。我們組司憲策師兄博士論文也以此為主題，中文寫的比較好讀，下載地址http://t.cn/8F1qSPX?。社會標簽可從兩個角度思考，一是ML角度可看做多標簽分類問題，二是NLP角度可看做關鍵詞產生問題，都有大量前人工作參考。
  13. Richard Socher一如既往很有誠意地放出了代碼和數據，大家快圍觀：?http://t.cn/RPohHyc
  14. David Blei組提出主題模型新概念：Real-time Topic Models for Crisis Counseling。好像是KDD短文。http://t.cn/RPohSwB
  15. Barabasi團隊把“魔爪”伸向了歷史學：A network framework of cultural history發表在最近Science雜志的Quantitative Social Science欄目。
  16. IEEE TKDE上的一篇綜述：A Review on Multi-Label Learning Algorithmshttp://t.cn/RPirZh6?@張敏靈-SEU?老師和?@南大周志華?老師的工作，關注。

總結

以上是生活随笔為你收集整理的知远点评的全部內容，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。