精华内容
下载资源
问答
  • 国家八大技术领域分类(1、电子信息技术 2、生物与新医药技术 3、航空航天技术 4、新材料技术 5、高技术服务业 6、新能源及节能技术 7、资源与环境技术 8、高新技术改造传统产业)
  • 人工智能领域分类

    千次阅读 2018-02-25 22:26:10
    多代理系统 ...分类算法 贝叶斯网络 计算学习理论 聚类分析 演化计算 概率图模型 启发式搜索 其他机器学习算法 数据挖掘 可视化 深度学习算法 深度学习应用 智慧城市 智慧医疗 自动驾驶...

    多代理系统

    博弈论

    计算经济学

    知识工程

    1. 知识获取
    2. 知识表示
    3. 知识库
    4. 本体论
    5. 推理
    6. 语义网

    人机交互

    虚拟现实

    信息检索

    机器学习

    1. 人工神经网络
    2. 分类算法
    3. 贝叶斯网络
    4. 计算学习理论
    5. 聚类分析
    6. 演化计算
    7. 概率图模型
    8. 启发式搜索
    9. 其他机器学习算法

    数据挖掘

    可视化

    深度学习算法

    深度学习应用

    1. 智慧城市
    2. 智慧医疗
    3. 自动驾驶
    4. 无人机
    5. AlphaGo 类似系统

    计算机图形学

    计算机视觉

    1. 图像处理
    2. 计算机视觉应用

    自然语言处理

    1. 中文处理
    2. 机器翻译
    3. 问答系统
    4. 自动摘要
    5. 词性标注
    6. 句法分析
    7. 信息抽取
    8. 情感计算
    9. 文本挖掘

    数据库

    模糊逻辑

    图灵测试

    语音技术

    1. 语音处理
    2. 语音合成
    3. 语音识别

    多媒体技术

    信息系统

    1. 推荐系统
    2. 专家系统
    3. 决策支持系统

    复杂网络

    1. 社交网络

    逻辑编程

    聊天机器人

    机器人学

    1. 机器人组成
    2. 机器人控制
    3. 机器人自动化
    4. 机器人感知

    物联网

    跨学科

    1. 类脑科学
    2. 计算生物学

    转载自微信公众号:全球人工智能

    展开全文
  • 作者丨唐杰聪单位丨华南农业大学硕士生研究...在第六届全国社会媒体处理大会(SMP 2017)上,由中国中文信息学会社会媒体处理专委会主办,哈尔滨工业大学和科大讯飞股份有限公司承办的 SMP 2017 中文人机对话技术评测

    作者丨唐杰聪

    单位丨华南农业大学硕士生

    研究方向丨NLP,机器学习

    指导老师丨黄沛杰副教授


    1. 前言


    近年来,人机对话技术,也称为口语对话系统(spoken dialogue system,SDS)受到了学术界和产业界的广泛关注。在第六届全国社会媒体处理大会(SMP 2017)上,由中国中文信息学会社会媒体处理专委会主办,哈尔滨工业大学和科大讯飞股份有限公司承办的 SMP 2017 中文人机对话技术评测(ECDT),为人机对话技术相关的研发人员提供了一个良好的沟通平台。 


    我们华南农业大学口语对话系统研究室(scau_SIGSDS)参加了这次评测的用户意图领域分类任务。主办方根据是否仅允许使用其提供的评测数据进行训练和开发分为封闭式和开放式两项评测。在最后的评测测试中,我们的系统取得了封闭式和开放式两项第一名。单项(封闭式和开放式)比赛前三名的结果如下所示。前十名平均评测 F 值分别是 0.8993(开放式)和 0.8995(开放式)。详细的比赛结果可见官方发布的排行榜[1]


    • 封闭式评测



    • 开放式评测



    口语语言理解(spoken language understanding, SLU)是 SDS 中的重要环节,而话语领域分类(domain classification)则是 SLU 的关键任务之一[2]。话语领域分类的任务是把话语划分到定义好的不同领域标签[3],进而将话语正确地分进不同的 SLU 子系统。如用户提出“帮我写一封邮件”,系统则应该将其划分到“邮件”领域之中,对该话语进行专门针对“邮件”领域的语言理解。


    由于口语对话具有长度短小的特点,领域分类通常会被看作是短文本分类。早期的领域分类多采用较为复杂的人工特征,如语法信息、韵律信息、词汇信息等[4][5],分类模型采用传统的统计学习模型,如随机森林、隐马尔科夫、条件随机场等。


    深度学习流行以来,许多研究者开始用深度学习方法解决自然语言处理(natural language processing, NLP)任务,许多任务得到了长足的发展,也包括了领域分类[3][6][7]。代表性的模型包括了深度置信网络(deep belief network, DBN)、卷积神经网络(convolutional neural networks, CNN)和长短期记忆网络(long and short-term memory, LSTM)等。 


    我们也采用了 LSTM 分类模型,并针对样本训练集数量有限的特点,采用基于数据的领域关键词提取算法以及构建外部领域知识表(在开放式评测中),进一步提升领域分类效果。


    2. 方案及结果


    任务概述


    用户意图领域分类比赛数据集包含 31 个话语类别,包括聊天类(chat)和垂类(30 个垂直领域)。任务很明确,就是正确地将用户的输入话语分类到相应的领域中,如:



    特征表达和模型选择 


    我们尝试了多种特征表达方式,包括 BOW、onehot、词向量等,并对比了随机森林、CNN、LSTM 等分类模型。为了方便,在验证和开发我们采用了正确率的评价指标。


    通过十折交叉验证,我们发现采用词向量(由 1.5G 微博数据训练)特征表达以及 LSTM 模型的 31 分类器取得了最佳的验证结果,分类正确率达到 91.38%。在进一步增加到 10G 微博数据训练词向量并结合词汇分类体系(如 Hownet)进行词语向量表达修正后分类正确率达到 91.73%。 


    基于LSTM的领域分类 


    相比于 CNN,循环神经网络(Recurrent Neural Networks, RNN)有利于学习到句子中字词间的长距离依赖关系,但存在梯度消失/发散问题。目前常用的是 RNN 的一些变体,如 LSTM、GRU(Gated Recurrent Unit)等,他们通过门控机制很大程度上缓解了 RNN 的梯度消失问题,并防止梯度发散。 


    我们在给定数据集上验证了不同 RNN 变体的领域分类效果,包括普通的 LSTM、GRU 以及带隐层的 LSTM。而他们的验证分类正确率分别是 91.73%、91.91%、92.04%。因此,我们选择了在正确率上略有优势的带隐层的 LSTM。 


    在开发集做预测时,我们采用最佳 10 折交叉验证的超参数组合的 10 个模型进行集成投票,正确率达到 92.22%。然而,在对模型结果的 badcase 分析时,我们依然发现了一些在人看来类别显而易见的样例被模型错分。这主要是由于数据量的不足引起的,一些具有分类作用的特征字词组合无法在模型中起足够的作用。


    针对这个问题,在技术架构中,我们在 LSTM 分类器前面增加一个基于领域关键词的领域识别模块,并针对开放式测试额外添上了基于领域知识表的领域识别模块。 


    基于领域关键词的领域识别 


    对于封闭式评测,我们采用了基于数据的领域关键词提取算法,通过对训练集和开发集进行统计,抽取足够置信度和支持率的 2 和 3 字“词”构成的领域关键词表。对于开放式评测,我们进一步结合人工知识扩展了领域关键词表,增添了主办方提供的原始数据以外的领域关键词。在开发集上的测试表明,分类正确率由之前的 92.22% 分别提升到 92.74%(封闭式)和 92.87%(开放式)。 


    基于领域知识表的领域识别 


    对于开放式评测,通过分析领域话语特点,我们针对若干个领域(如health),结合外部信息构建了领域知识表(如疾病名列表)。通过基于领域知识表的领域识别,开发集上的测试结果进一步提升到了 93%。


    3. 参考文献


    [1] http://ir.hit.edu.cn/SMP2017-ECDT-RANK 

    [2] Tur G, Deng L, Hakkani-Tür D, et al. Towards deeper understanding: Deep convex networks for semantic utterance classification[C]// Proceedings of the 37th IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2012), 2012:5045-5048.

    [3] Ravuri S, Stolcke A. A comparative study of recurrent neural network models for lexical domain classification C]// Proceedings of the 41th IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2016), 2016: 6075-6079. 

    [4] Haffner P, Tur G, Wright J H. Optimizing SVMs for complex call classification[C]// Proceedings of the 28th IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2003), 2003: I-632-I-635. 

    [5] Chelba C, Mahajan M, Acero A. Speech utterance classification[C]// Proceedings of the 28th IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2003), 2003:I-280-I-283. 

    [6] Sarikaya R, Hinton G E, Deoras A. Application of deep belief networks for natural language understanding[J]. IEEE/ACM Transactions on Audio Speech & Language Processing, 2014, 22(4):778-784. 

    [7] Ravuri S, Stoicke A. A comparative study of neural network models for lexical intent classification[C]// Proceedings of the 2015 IEEE Workshop on Automatic Speech Recognition and Understanding (ASRU 2015), 2015: 368-374.


    关于PaperWeekly


    PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。

    展开全文
  • 人工智能 领域六大分类

    万次阅读 2018-12-04 15:23:08
    深度学习是基于现有的数据进行学习操作,是机器学习研究中的一个新的领域,机在于建立、模拟人脑进行分析学习的神经网络, 它模仿人脑的机制来解释数据,例如图像,声音和文本。深度学习是无监督学习的一种。 ...

    1)深度学习

     深度学习是基于现有的数据进行学习操作,是机器学习研究中的一个新的领域,机在于建立、模拟人脑进行分析学习的神经网

    络,它模仿人脑的机制来解释数据,例如图像,声音和文本。深度学习是无监督学习的一种。

     

    2)自然语言处理

    自然语言处理是用自然语言同计算机进行通讯的一种技术。人工智能的分支学科,研究用电子计算机模拟人的语言交际过程,

    使计算机能理解和运用人类社会的自然语言如汉语、英语等,实现人机之间的自然语言通信,以代替人的部分脑力劳动,

    包括查询资料、解答问题、摘录文献、汇编资料以及一切有关自然语言信息的加工处理。例如生活中的电话机器人的核心技术

    之一就是自然语言处理

     

    3)计算机视觉​​​​​​​

    计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适

    合人眼观察或传送给仪器检测的图像。计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段,由计算机来代替大脑完

    成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界,具有自主适应环境的能力。

    计算机视觉应用的实例有很多,包括用于控制过程、导航、自动检测等方面。

     

    4)智能机器人​​​​​​​

    如今我们的身边逐渐开始出现很多智能机器人,他们具备形形色色的内部信息传感器和外部信息传感器,如视觉、听觉、触觉、

    嗅觉。除具有感受器外,它还有效应器,作为作用于周围环境的手段。这些机器人都离不开人工智能的技术支持。

    科学家们认为,智能机器人的研发方向是,给机器人装上“大脑芯片”,从而使其智能性更强,在认知学 习、自动组织、对模糊信

    息的综合处理等方面将会前进一大步。

     

    5)自动程序设计​​​​​​​

    自动程序设计是指根据给定问题的原始描述,自动生成满足要求的程序。它是软件工程和人工智能相结合的研究课题。自动程序

    设计主要包含程序综合和程序验证两方面内容。前者实现自动编程,即用户只需告知机器“做什么”,无须告诉“怎么做”,这后一步

    的工作由机器自动完成;后者是程序的自动验证,自动完成正确性的检查。其目的是提高软件生产率和软件产品质量。

    自动程序设计的任务是设计一个程序系统,接受关于所设计的程序要求实现某个目标非常高级描述作为其输入,然后自动生成一

    个能完成这个目标的具体程序。该研究的重大贡献之一是把程序调试的概念作为问题求解的策略来使用。

     

    6)数据挖掘

     数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。它通常与计算机科学有关,并通过统计、在线分析处

    理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。它的分析方法包括:分

    类、估计、预测、相关性分组或关联规则、聚类和复杂数据类型挖掘。

    展开全文
  • 计算机领域国际会议分类及排名

    千次阅读 2015-06-01 11:36:49
    blog.csdn.net/pipisorry/article/...计算机领域EI和SCI收录期刊、影响因子及国际会议 ] [ 重要国际学术会议目录 - 清华大学-信息科学技术学院 ] from: http://blog.csdn.net/pipisorry/article/details/46302623

    http://blog.csdn.net/pipisorry/article/details/46302623

    core 会议及期刊排名

    The Computing Research and Education Association of Australasia, CORE, is an association of university departments of computer science in Australia and New Zealand. Prior to 2004 it was known as the Computer Science Association, CSA.

    [ CORE Computer Science Conference Rankings]
    官网[ CORE Rankings Portal]
    core conference pdf下载[ CORE Ranking of Conferences and Jornals in Computer Science]
    [ 计算机顶级会议Rankings && 英文投稿的一点经验 ]

    [Computer Science Conference Rankings]


    CCF会议及期刊排名

    中国计算机学会推荐国际学术会议和期刊目录排名

    [CCF国际学术会议和期刊目录]

    皮皮blog



    其它

    [计算机领域EI和SCI收录期刊、影响因子及国际会议]

    [重要国际学术会议目录 - 清华大学-信息科学技术学院]

    from: http://blog.csdn.net/pipisorry/article/details/46302623


    展开全文
  • 从语音识别到智能家居,从人机大战到无人驾驶,人工智能的“演化”给我们社会上的一些生活细节,带来了一次又...在人工智能领域,它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识...
  • 物联网是新一代信息技术的重要组成部分。其英文名称是“TheInternetofthings”。由此,顾名思义,“物联网就是物物相连的互联网”。这有两层意思:第一,物联网的核心和基础仍然是互联网,是在互联网基础上的延伸和...
  • 自动识别技术分类

    千次阅读 2020-03-02 21:09:53
    按照应用领域和具体特征,自动识别技术可以分为: 1.条码识别技术 条码是由一组条、空和数字符号组成,按一定编码规则排列,用以表示一定的字符、数字及符号等信息。条码的种类很多,大体可以分为一维条码和二维条码...
  • 虚拟化技术分类及介绍

    万次阅读 多人点赞 2019-01-03 19:45:06
    虚拟化技术分类及介绍   摘要 虚拟化是云计算系统中的一种基础技术,可以说当前一个云计算服务必定是构建在虚拟化的基础上的。本文首先介绍了不同抽象层次的虚拟化技术,之后对应用广泛的系统级虚拟化和操作...
  • 人工智能技术应用的领域主要有哪些?

    万次阅读 多人点赞 2017-11-15 11:15:55
    随着智能家电、穿戴设备、智能机器人等产物的出现和普及,人工智能技术已经进入到生活的各个领域,引发越来越多的关注。那么,人工智能目前都应用在哪些领域,运用了怎样的技术原理呢?  什么是人工智能? 人工...
  • 人工智能企业可以在应用层、技术层、基础上进行区分。 在应用层的中国人工智能公司按照领域划分包括: 机器人:Geek+、 Rokid、图灵机器人、优必选。 自动驾驶:百度、天瞳威视、地平线机器人、驭势科技。 ...
  • 区块链技术原理、应用领域及挑战 李董, 魏进武 中国联合网络通信有限公司研究院,北京 100032 Theory, application fields and challenge of the blockchain technology LI Dong, WEI Jinwu China Unicom ...
  • 本文首先将简要介绍Transformer的原理与其各个组成部分、...接下来文章从图片分类与目标检测的角度介绍相应Transformer的应用;最后本文将介绍Transformer在应用到CV领域时依然存在的不足以及未来可能的研究方向。
  • 图像识别技术是立体视觉、运动分析、数据融合等实用技术的基础,在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域可广泛应用。 遥感图像识别 航空遥感和卫星遥感图像通常用图像...
  • 网页分类技术介绍

    万次阅读 热门讨论 2010-06-22 10:58:00
    技术背景  分类问题是人类所面临的一个非常重要且具有普遍意义的问题。将事物正确的分类,有助于人们认识世界,使杂乱无章的现实世界变得有条理。自动文本分类就是对大量的自然语言文本按照一定的主题类别进行...
  • 大数据库技术在军工领域的应用

    千次阅读 2014-02-18 11:54:50
    大数据技术应用在侦察预警领域,可极大提高侦察预警情报的分析、预测和防护等能力;在指挥控制领域,能很大程度地提高对指挥控制数据的智能处理、辅助决策,有效地加强指挥控制水平;在信息通信、信息对抗电子战、...
  • 深度学习领域最新的技术(CV、NLP)

    万次阅读 2019-02-27 23:50:36
    人工智能正在日益渗透到所有的技术领域。而深度学习(DL)是目前最活跃的分支。最近几年,DL取得了许多重要进展。其中一些因为事件跟大众关系密切而引人瞩目,而有的虽然低调但意义重大。深度学习从业人员应该保持足够...
  • 智能人机交互在电商领域技术实践 ——阿里小蜜 人机交互 聊天机器人 阅读716  作者:周伟,陈海青  责编:何永灿,欢迎人工智能领域技术投稿、约稿、给文章纠错,请发送邮件至...
  • 众所周知,全民视频时代...而在人工智能时代,AI技术是如何在各行业和领域真正的发挥应用和商业价值,带来产业变革才是关键。在3月28日深圳云栖大会的人工智能专场中,阿里云视频服务技术专家邹娟将带领大家探索熟...
  • 计算机视觉及模式识别技术在农业领域的应用 高 华、周 林 (山东农业大学信息技术与工程学院 山东 泰安 201018) 摘要:计算机视觉技术在农业各个领域的应用研究得到了广泛开展,并随着相关技术的不断成熟和...
  • 在过去的十多年里,高通量测序技术被广泛应用于生物和医学的各种领域,极大促进了相关的研究和应用。其中转录组测序(RNA-seq)被广泛应用于测定和描绘各类物种的基因或转录本的表达情况。但传统的转录组测序技术...
  • 深度学习领域PyTorch项目-git源码整理

    万次阅读 多人点赞 2017-08-22 14:02:44
    本文收集了大量基于 PyTorch 实现的代码链接,其中有适用于深度学习新手的“入门指导系列”,...所有代码均按照所属技术领域分类,包括机器视觉/图像相关、自然语言处理相关、强化学习相关等等。所以如果你打算入手这风
  • 本文对国内外室内定位技术的研究现状进行了分析与总结,首先详细介绍了目前主流的室内定位技术的定位原理与最新发展,对比分析了定位精度、相对成本与优缺点,然后总结与分析室内定位技术分类体系与定位方法,最后...
  • 自然语言生成(说、写) AI人工智能说(或写)出...这个问题一直是自然语言生成(Natural Language Generation)领域多年来的关键点,并且一直在飞速发展。目前,在我们生活中也开始应用了,这一领域已经取得了长足的进...
  • 技术综述】多标签图像分类综述

    千次阅读 2019-07-01 18:20:12
    图像分类作为计算机视觉领域的基础任务,经过大量的研究与试验,已经取得了傲人的成绩。然而,现有的分类任务大多是以单标签分类展开研究的。当图片中有多个标签时,又该如何进行分类呢?本篇综述将带领大家了解多...
  • 数据挖掘分类技术

    千次阅读 2013-01-05 14:04:41
     造成原因有:(1)噪声造成的过分拟合(因为它拟合了误标记的训练记录,导致了对检验集中记录的误分类);(2)根据少量训练记录做出分类决策的模型也容易受过分拟合的影响。(由于训练数据缺乏具有代表性的样本,...
  • 数据挖掘技术的应用领域

    千次阅读 2007-12-20 21:50:00
    1. 金融数据分析的数据挖掘 为多维数据分析和数据挖掘设计和构造数据仓库 贷款偿还预测和顾客信用政策分析 针对定向销售的顾客分类和聚类 洗黑钱和其他金融犯罪的侦破 2. 零售业的数据挖掘
  • 题目:《联邦【1】学习vs区块链:谁是“可信媒介”技术领域最强王者?》 【问1】联邦学习,何为“联邦”? 在互联网新浪潮中,联邦学习和区块链是最受关注的两项热门技术。联邦学习【注】是一种在大数据服务中...
  • 众所周知,全民视频时代...而在人工智能时代,AI技术是如何在各行业和领域真正的发挥应用和商业价值,带来产业变革才是关键。在3月28日深圳云栖大会的人工智能专场中,阿里云视频服务技术专家邹娟将带领大家探索熟悉...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 193,981
精华内容 77,592
关键字:

技术领域分类