懂AI
ABigSurvey

ABigSurvey

自然语言处理和机器学习综述论文汇总与分析

本文汇总了数百篇关于自然语言处理和机器学习的综述论文，并对其进行分类和数量统计，涵盖对话系统、信息检索、大型语言模型等热门主题。文章展示了1063篇论文的链接，并根据发表年份绘制了统计图表，同时生成了展示热门话题的词云。

NLPMLsurvey paperscategorizationstatisticsGithub开源项目
GitHub文档

调查综述 (NLP 和 ML)

在本文中，我们调查了数百篇关于自然语言处理 (NLP) 和机器学习 (ML) 的综述论文。我们将这些论文分类为流行主题，并对一些有趣的问题进行简单统计。此外，我们还列出了带有网址的论文列表（1063 篇论文）。

:new: 发布了 LLM 调查列表！链接

分类

我们遵循近年来 ACL 和 ICML 的提交指南，涵盖了 NLP 和 ML 的广泛领域。分类如下：

  • 自然语言处理
    • <a href="#computational-social-science-and-social-media">计算社会科学与社交媒体</a>
    • <a href="#dialogue-and-interactive-systems">对话与交互系统</a>
    • <a href="#generation">生成</a>
    • <a href="#information-extraction">信息抽取</a>
    • <a href="#information-retrieval-and-text-mining">信息检索与文本挖掘</a>
    • <a href="#interpretability-and-analysis-of-models-for-nLP">NLP 模型的解释与分析</a>
    • <a href="#knowledge-graph">知识图谱</a>
    • <a href="#language-grounding-to-vision-robotics-and-beyond">语言在视觉、机器人及其他领域的对接</a>
    • <a href="#large-language-models">大型语言模型</a>
    • <a href="#linguistic-theories-cognitive-modeling-and-psycholinguistics">语言学理论、认知建模与心理语言学</a>
    • <a href="#machine-learning-for-nlp">用于 NLP 的机器学习</a>
    • <a href="#machine-translation">机器翻译</a>
    • <a href="#named-entity-recognition">命名实体识别</a>
    • <a href="#natural-language-inference">自然语言推理</a>
    • <a href="#natural-language-processing">自然语言处理</a>
    • <a href="#nlp-applications">NLP 应用</a>
    • <a href="#pre-trained-models">预训练模型</a>
    • <a href="#prompt">Prompt</a>
    • <a href="#question-answering">问答系统</a>
    • <a href="#reading-comprehension">阅读理解</a>
    • <a href="#recommender-systems">推荐系统</a>
    • <a href="#resources-and-evaluation">资源与评估</a>
    • <a href="#semantics">语义</a>
    • <a href="#sentiment-analysis-stylistic-analysis-and-argument-mining">情感分析、文体分析与论点挖掘</a>
    • <a href="#speech-and-multimodality">语音与多模态</a>
    • <a href="#summarization">摘要</a>
    • <a href="#tagging-chunking-syntax-and-parsing">标注、分块、句法与解析</a>
    • <a href="#text-classification">文本分类</a>
  • 机器学习
    • <a href="#architectures">架构</a>
    • <a href="#automl">自动机器学习 (AutoML)</a>
    • <a href="#bayesian-methods">贝叶斯方法</a>
    • <a href="#classification-clustering-and-regression">分类、聚类与回归</a>
    • <a href="#computer-vision">计算机视觉</a>
    • <a href="#contrastive-learning">对比学习</a>
    • <a href="#curriculum-learning">课程学习</a>
    • <a href="#data-augmentation">数据增强</a>
    • <a href="#deep-learning-general-methods">深度学习通用方法</a>
    • <a href="#deep-reinforcement-learning">深度强化学习</a>
    • <a href="#diffusion-models">扩散模型</a>
    • <a href="#federated-learning">联邦学习</a>
    • <a href="#few-shot-and-zero-shot-learning">小样本与零样本学习</a>
    • <a href="#general-machine-learning">通用机器学习</a>
    • <a href="#generative-adversarial-networks">生成对抗网络 (GAN)</a>
    • <a href="#graph-neural-networks">图神经网络</a>
    • <a href="#interpretability-and-analysis">可解释性与分析</a>
    • <a href="#knowledge-distillation">知识蒸馏</a>
    • <a href="#meta-learning">元学习 (Meta Learning)</a>
    • <a href="#metric-learning">度量学习</a>
    • <a href="#ml-and-dl-applications">机器学习与深度学习的应用</a>
    • <a href="#model-compression-and-acceleration">模型压缩与加速</a>
    • <a href="#multi-label-learning">多标签学习</a>
    • <a href="#multi-task-and-multi-view-learning">多任务与多视图学习</a>
    • <a href="#online-learning">在线学习</a>
    • <a href="#optimization">优化</a>
    • <a href="#semi-supervised-weakly-supervised-and-unsupervised-learning">半监督、弱监督与无监督学习</a>
    • <a href="#transfer-learning">迁移学习</a>
    • <a href="#trustworthy-machine-learning">可信的机器学习</a>

为了减少类别不平衡，我们将一些热门子主题从 ACL 和 ICML 原始分类中分离出来。例如，命名实体识别在我们的分类中是一个一级领域，因为它是几项调查的重点。

统计数据

我们在图1-2中显示了每个领域的论文数量。

<p align="center"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/5a3de7ae-30cc-4754-98f9-16270a3068ad.png" width="70%" height="70%"/></p> <p align="center">图1：每个 NLP 领域的论文数量。</p> <p align="center"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/693dbdff-d65b-4986-80f7-829290c4c530.png" width="70%" height="70%"/></p> <p align="center">图2：每个 ML 领域的论文数量。</p>

此外，我们还绘制了论文数量与发表年份的函数关系图（见图3）。

<p align="center"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/16286839-85de-472e-8ea6-053549e28d04.png" width="70%" height="70%"/></p> <p align="center">图3：论文数量与发表年份的关系。</p>

此外，我们还生成了词云来展示这些调查中的热门话题（见图4-5）。

<p align="center"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/7cf92a31-4af6-4cbd-852a-b2b8c15d2023.png" width="60%" height="60%"/></p> <p align="center">图4：NLP 词云。</p> <p align="center"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/9ee32271-c0e6-4e13-ae60-425c394afda2.png" width="60%" height="60%"/></p> <p align="center">图5：ML 词云。</p>

NLP 论文列表

计算社会科学与社交媒体

  1. A Comprehensive Survey on Community Detection with Deep Learning. arXiv 2021 论文 bib

    Xing Su, Shan Xue, Fanzhen Liu, Jia Wu, Jian Yang, Chuan Zhou, Wenbin Hu, Cécile Paris, Surya Nepal, Di Jin, Quan Z. Sheng, Philip S. Yu

  2. A Survey of Fake News: Fundamental Theories, Detection Methods, and Opportunities. ACM Comput. Surv. 2021 论文 bib

    Xinyi Zhou, Reza Zafarani

  3. A Survey of Race, Racism, and Anti-Racism in NLP. ACL 2021 论文 bib

    Anjalie Field, Su Lin Blodgett, Zeerak Waseem, Yulia Tsvetkov

  4. A Survey on Computational Propaganda Detection. IJCAI 2020 论文 bib

    Giovanni Da San Martino, Stefano Cresci, Alberto Barrón-Cedeño, Seunghak Yu, Roberto Di Pietro, Preslav Nakov

  5. A Survey on Trust Prediction in Online Social Networks. IEEE Access 2020 论文 bib

    Seyed Mohssen Ghafari, Amin Beheshti, Aditya Joshi, Cécile Paris, Adnan Mahmood, Shahpar Yakhchi, Mehmet A. Orgun

  6. Computational Sociolinguistics: A Survey. Comput. Linguistics 2016 论文 bib

    Dong Nguyen, A. Seza Dogruöz, Carolyn P. Rosé, Franciska de Jong

  7. Confronting Abusive Language Online: A Survey from the Ethical and Human Rights Perspective. J. Artif. Intell. Res. 2021 论文 bib

    Svetlana Kiritchenko, Isar Nejadgholi, Kathleen C. Fraser

  8. From Symbols to Embeddings: A Tale of Two Representations in Computational Social Science. J. Soc. Comput. 2021 论文 bib

    Huimin Chen, Cheng Yang, Xuanming Zhang, Zhiyuan Liu, Maosong Sun, Jianbin Jin

  9. Language (Technology) is Power: A Critical Survey of "Bias" in NLP. ACL 2020 论文 bib

    Su Lin Blodgett, Solon Barocas, Hal Daumé III, Hanna M. Wallach

  10. Societal Biases in Language Generation: Progress and Challenges. ACL 2021 论文 bib

    Emily Sheng, Kai-Wei Chang, Prem Natarajan, Nanyun Peng

  11. Tackling Online Abuse: A Survey of Automated Abuse Detection Methods. arXiv 2019 论文 bib

    Pushkar Mishra, Helen Yannakoudakis, Ekaterina Shutova

  12. 当词嵌入准确反映我们关于人们信仰的调查时。 ACL 2020 论文 参考文献

    Kenneth Joseph, Jonathan H. Morgan

对话与互动系统

  1. 阿拉伯语对话理解调查：自发对话和即时信息。 arXiv 2015 论文 参考文献

    AbdelRahim A. Elmadany, Sherif M. Abdou, Mervat Gheith

  2. 用于构建数据驱动对话系统的可用语料库调查：期刊版。 Dialogue Discourse 2018 论文 参考文献

    Iulian Vlad Serban, Ryan Lowe, Peter Henderson, Laurent Charlin, Joelle Pineau

  3. 文档支持的对话系统（DGDS）调查。 arXiv 2020 论文 参考文献

    Longxuan Ma, Wei-Nan Zhang, Mingda Li, Ting Liu

  4. 任务导向对话的意图分类和槽填充数据集调查。 arXiv 2022 论文 参考文献

    Stefan Larson, Kevin Leach

  5. 自然语言生成技术调查：以对话系统为中心 - 过去、现在和未来方向。 arXiv 2019 论文 参考文献

    Sashank Santhanam, Samira Shaikh

  6. 对自动对话分析的神经模型调查：迈向更好的社会科学整合。 arXiv 2022 论文 参考文献

    Chloé Clavel, Matthieu Labeau, Justine Cassell

  7. 对话管理：最新进展和挑战的调查。 arXiv 2020 论文 参考文献

    Yinpei Dai, Huihua Yu, Yixuan Jiang, Chengguang Tang, Yongbin Li, Jian Sun

  8. 对话系统调查：最新进展和新前沿。 SIGKDD Explor. 2017 论文 参考文献

    Hongshen Chen, Xiaorui Liu, Dawei Yin, Jiliang Tang

  9. 多轮对话理解的进展：一项调查。 arXiv 2021 论文 参考文献

    Zhuosheng Zhang, Hai Zhao

  10. 构建智能开放域对话系统的挑战。 ACM Trans. Inf. Syst. 2020 论文 参考文献

    Minlie Huang, Xiaoyan Zhu, Jianfeng Gao

  11. 对话代理：理论与应用。 arXiv 2022 论文 参考文献

    Mattias Wahde, Marco Virgolin

  12. 对话式机器理解：文献回顾。 COLING 2020 论文 参考文献

    Somil Gupta, Bhanu Pratap Singh Rawat, Hong Yu

  13. 如何评价你的对话模型：方法回顾。 arXiv 2021 论文 参考文献

    Xinmeng Li, Wansen Wu, Long Qin, Quanjun Yin

  14. 神经方法在对话人工智能中的应用。 ACL 2018 论文 参考文献

    Jianfeng Gao, Michel Galley, Lihong Li

  15. 神经方法在对话人工智能中的应用：问答、任务导向对话和社交聊天机器人。 Now Foundations and Trends 2019 论文 参考文献

    Jianfeng Gao, Michel Galley, Lihong Li

  16. 基于POMDP的统计口语对话系统：一项综述。 Proc. IEEE 2013 论文 参考文献

    Steve J. Young, Milica Gasic, Blaise Thomson, Jason D. Williams

  17. 任务导向对话系统的最新进展和挑战。 arXiv 2020 论文 参考文献

    Zheng Zhang, Ryuichi Takanobu, Minlie Huang, Xiaoyan Zhu

  18. 基于深度学习的对话系统的最新进展：系统调查。 arXiv 2021 论文 参考文献

    Jinjie Ni, Tom Young, Vlad Pandelea, Fuzhao Xue, Vinay Adiga, Erik Cambria

  19. 发话级对话理解：实证研究。 arXiv 2020 论文 参考文献

    Deepanway Ghosal, Navonil Majumder, Rada Mihalcea, Soujanya Poria

生成

  1. 使用基于Transformer的预训练语言模型进行可控文本生成的调查。 arXiv 2022 论文 参考文献

    Hanqing Zhang, Haolin Song, Shaoyu Li, Ming Zhou, Dawei Song

  2. 知识增强文本生成的调查。 ACM Comput. Surv. 2022 论文 参考文献

    Wenhao Yu, Chenguang Zhu, Zaitang Li, Zhiting Hu, Qingyun Wang, Heng Ji, Meng Jiang

  3. 多跳问答和生成的调查。 arXiv 2022 论文 参考文献

    Vaibhav Mavi, Anubhav Jangra, Adam Jatowt

  4. 检索增强文本生成的调查。 arXiv 2022 论文 参考文献

    Huayang Li, Yixuan Su, Deng Cai, Yan Wang, Lemao Liu

  5. 文本简化的调查。 arXiv 2020 论文 参考文献

    Punardeep Sikka, Vijay Mago

  6. 机器生成文本的自动检测：一项关键调查。 COLING 2020 论文 参考文献

    Ganesh Jawahar, Muhammad Abdul-Mageed, Laks V. S. Lakshmanan

  7. 自动故事生成：挑战和尝试。 arXiv 2021 论文 参考文献

    Amal Alabdulkarim, Siyan Li, Xiangyu Peng

  8. ChatGPT并非你所需的一切。大型生成式AI模型的前沿综述。 arXiv 2023 论文 参考文献

    Roberto Gozalo-Brizuela, Eduardo C. Garrido-Merchán

  9. 数据到文本系统中的内容选择：一项调查。 arXiv 2016 论文 参考文献

    Dimitra Gkatzia

  10. 数据驱动的句子简化：调查与基准。 Comput. Linguistics 2020 论文 参考文献

    Fernando Alva-Manchego, Carolina Scarton, Lucia Specia

  11. 基于深度学习的文本风格迁移：一项调查。 Comput. Linguistics 2022 论文 参考文献

    Di Jin, Zhijing Jin, Zhiting Hu, Olga Vechtomova, Rada Mihalcea

  12. 文本生成的评价：一项调查。 arXiv 2020 论文 参考文献

    Asli Celikyilmaz, Elizabeth Clark, Jianfeng Gao

  13. 创意自然语言生成系统的人工评价：近期论文的跨学科调查。 arXiv 2021 论文 参考文献

    Mika Hämäläinen, Khalid Al-Najjar

  14. 关键词生成：多方面调查。 FRUCT 2019 论文 参考文献

    Erion Çano, Ondrej Bojar

  15. 神经语言生成：公式化、方法和评估。 arXiv 2020 论文 参考文献

    Cristina Garbacea, Qiaozhu Mei

  16. 神经文本生成：过去、现在和未来。 arXiv 2018 论文 参考文献

    Sidi Lu, Yaoming Zhu, Weinan Zhang, Jun Wang, Yong Yu

  17. 新闻故事的测验式问题生成。 WWW 2021 论文 参考文献

    Ádám D. Lelkes, Vinh Q. Tran, Cong Yu

  18. 神经问题生成的最新进展。 arXiv 2019 论文 参考文献

    Liangming Pan, Wenqiang Lei, Tat-Seng Chua, Min-Yen Kan

  19. SQL查询生成的最新进展：综述。 arXiv 2020 论文 参考文献

    Jovan Kalajdjieski, Martina Toshevska, Frosina Stojanovska

  20. 自然语言生成中的幻觉现象综述。 arXiv 2022 论文 参考文献

    Ziwei Ji, Nayeon Lee, Rita Frieske, Tiezheng Yu, Dan Su, Yan Xu, Etsuko Ishii, Yejin Bang, Andrea Madotto, Pascale Fung

  21. 自然语言生成技术现状的综述：核心任务、应用和评估。 J. Artif. Intell. Res. 2018 论文 参考文献

    Albert Gatt, Emiel Krahmer

信息抽取

  1. 事实提取和验证的回顾。 ACM Comput. Surv. 2023 论文 参考文献

    Giannis Bekoulis, Christina Papagiannopoulou, Nikos Deligiannis

  2. 关系抽取的深度学习方法综述。 arXiv 2017 论文 参考文献

    Shantanu Kumar

  3. 文本事件抽取的综述。 IEEE Access 2019 论文 参考文献

    Wei Xiang, Bang Wang

  4. 用于决策支持系统的文本事件抽取方法综述。 Decis. Support Syst. 2016 论文 参考文献

    Frederik Hogenboom, Flavius Frasincar, Uzay Kaymak, Franciska de Jong, Emiel Caron

  5. 自然语言理解中的意图检测和槽填充模型的综述。 arXiv 2021 论文 参考文献

    Henry Weld, Xiaoqi Huang, Siqi Long, Josiah Poon, Soyeon Caren Han

  6. 社交网络中的文本事件抽取综述。 LPKM 2017 论文 参考文献

    Mohamed Mejri, Jalel Akaichi

  7. 深度学习事件抽取：方法与应用综述。 arXiv 2021 论文 参考文献

    Qian Li, Jianxin Li, Jiawei Sheng, Shiyao Cui, Jia Wu, Yiming Hei, Hao Peng, Shu Guo, Lihong Wang, Amin Beheshti, Philip S. Yu

  8. 开放信息抽取综述。 COLING 2018 论文 参考文献

    Christina Niklaus, Matthias Cetto, André Freitas, Siegfried Handschuh

  9. 文本中的时间信息提取的时间推理综述（扩展摘要）。 IJCAI 2020 论文 参考文献

    Artuur Leeuwenberg, Marie-Francine Moens

  10. 文本事件抽取概述。 DeRiVE@ISWC 2011 论文 参考文献

    Frederik Hogenboom, Flavius Frasincar, Uzay Kaymak, Franciska de Jong

  11. 从自然语言文本自动提取因果关系：全面综述。 arXiv 2016 论文 参考文献

    Nabiha Asghar

  12. 复杂关系抽取：挑战与机遇。 arXiv 2020 论文 参考文献

    Haiyun Jiang, Qiaoben Bao, Qiao Cheng, Deqing Yang, Li Wang, Yanghua Xiao

  13. 从文本中提取事件及其关系：近来研究进展和挑战综述。 AI Open 2020 论文 参考文献

    Kang Liu, Yubo Chen, Jian Liu, Xinyu Zuo, Jun Zhao

  14. 低资源场景中的知识提取：综述与展望。 arXiv 2022 论文 参考文献

    Shumin Deng, Ningyu Zhang, Hui Chen, Feiyu Xiong, Jeff Z. Pan, Huajun Chen

  15. 更多数据、更多关系、更多上下文和更多开放性：关系抽取的回顾与展望。 AACL 2020 论文 参考文献

    Xu Han, Tianyu Gao, Yankai Lin, Hao Peng, Yaoliang Yang, Chaojun Xiao, Zhiyuan Liu, Peng Li, Jie Zhou, Maosong Sun

  16. 神经关系抽取：综述。 arXiv 2020 论文 参考文献

    Mehmet Aydar, Ozge Bozal, Furkan Özbay

  17. 无模式，无识别：关于文本聚类和主题建模的可重现性和失真问题的综述。 arXiv 2022 论文 参考文献

    Marília Costa Rosendo Silva, Felipe Alves Siqueira, João Pedro Mantovani Tarrega, João Vitor Pataca Beinotti, Augusto Sousa Nunes, Miguel de Mattos Gardini, Vinícius Adolfo Pereira da Silva, Nádia Félix Felipe da Silva, André Carlos Ponce de Leon Ferreira de Carvalho

  18. 面向任务导向对话系统的插槽填充和意图分类的神经方法最新综述。 COLING 2020 论文 参考文献

    Samuel Louvan, Bernardo Magnini

  19. 关系抽取：综述。 arXiv 2017 论文 参考文献

    Sachin Pawar, Girish K. Palshikar, Pushpak Bhattacharyya

  20. 联合抽取实体和关系的技术综述。 CICLing 2019 论文 参考文献

    Sachin Pawar, Pushpak Bhattacharyya, Girish K. Palshikar

信息检索和文本挖掘

  1. 文本挖掘简要综述：分类、聚类和抽取技术。 arXiv 2017 论文 参考文献

    Mehdi Allahyari, Seyed Amin Pouriyeh, Mehdi Assefi, Saied Safaei, Elizabeth D. Trippe, Juan B. Gutierrez, Krys J. Kochut

  2. 简化多语言文本挖掘应用开发的方法综述。 Lang. Resour. Evaluation 2012 论文 参考文献

    Ralf Steinberger

  3. 检索增强文本生成的综述。 arXiv 2022 论文 参考文献

    Huayang Li, Yixuan Su, Deng Cai, Yan Wang, Lemao Liu

  4. 21世纪的数据挖掘和信息检索：书目综述。 Comput. Sci. Rev. 2019 论文 参考文献

    Jiaying Liu, Xiangjie Kong, Xinyu Zhou, Lei Wang, Da Zhang, Ivan Lee, Bo Xu, Feng Xia

  5. 基于预训练语言模型的稠密文本检索：综述. arXiv 2022 论文 参考文献

    Wayne Xin Zhao, 刘静, 任瑞阳, 温纪荣

  6. 神经实体链接：基于深度学习的模型综述. Semantic Web 2022 论文 参考文献

    Özge Sevgili, Artem Shelmanov, Mikhail Y. Arkhipov, Alexander Panchenko, Chris Biemann

  7. 信息检索的神经模型. arXiv 2017 论文 参考文献

    Bhaskar Mitra, Nick Craswell

  8. 舆情挖掘与分析：综述. arXiv 2013 论文 参考文献

    Arti Buche, M. B. Chandak, Akshay Zadgaonkar

  9. 信息检索中的预训练方法. Found. Trends Inf. Retr. 2022 论文 参考文献

    范亦星, 谢晓辉, 蔡银琼, 陈佳, 马新宇, 李向圣, 张汝庆, 郭佳

  10. 在上下文语言模型中的关系世界知识表示：综述. EMNLP 2021 论文 参考文献

    Tara Safavi, Danai Koutra

  11. 短文本主题建模技术、应用与性能：综述. IEEE Trans. Knowl. Data Eng. 2022 论文 参考文献

    强继鹏, 钱震宇, 李云, 袁云浩, 吴新栋

  12. 任务导向的搜索. arXiv 2023 论文 参考文献

    Chirag Shah, Ryen W. White, Paul Thomas, Bhaskar Mitra, Shawon Sarkar, Nicholas J. Belkin

  13. 主题建模与深度神经网络的结合：综述. IJCAI 2021 论文 参考文献

    赵鹤, Dinh Q. Phung, Viet Huynh, Yuan Jin, Lan Du, Wray L. Buntine

自然语言处理模型的可解释性与分析

  1. BERT研究初步：关于BERT工作原理的认识. Trans. Assoc. Comput. Linguistics 2020 论文 参考文献

    Anna Rogers, Olga Kovaleva, Anna Rumshisky

  2. 可解释AI在自然语言处理中现状的研究综述. AACL 2020 论文 参考文献

    Marina Danilevsky, Kun Qian, Ranit Aharonov, Yannis Katsis, Ban Kawas, Prithviraj Sen

  3. 自动生成医疗图像报告的深度学习与解释性研究综述. ACM Comput. Surv. 2022 论文 参考文献

    Pablo Messina, Pablo Pino, Denis Parra, Alvaro Soto, Cecilia Besa, Sergio Uribe, Marcelo E. Andia, Cristian Tejos, Claudia Prieto, Daniel Capurro

  4. 机器阅读理解中解释性的研究综述. arXiv 2020 论文 参考文献

    Mokanarangan Thayaparan, Marco Valentino, André Freitas

  5. 神经语言处理中的分析方法：综述. Trans. Assoc. Comput. Linguistics 2019 论文 参考文献

    Yonatan Belinkov, James R. Glass

  6. 神经网络在自然语言处理中的分析与解释：第一届BlackboxNLP研讨会报告. Nat. Lang. Eng. 2019 论文 参考文献

    Afra Alishahi, Grzegorz Chrupala, Tal Linzen

  7. 深度自然语言处理模型的神经元级解释：综述. Trans. Assoc. Comput. Linguistics 2022 论文 参考文献

    Hassan Sajjad, Nadir Durrani, Fahim Dalvi

  8. 神经自然语言处理的事后解释性：综述. ACM Comput. Surv. 2023 论文 参考文献

    Andreas Madsen, Siva Reddy, Sarath Chandar

  9. 教我解释：可解释自然语言处理的数据集综述. NeurIPS Datasets and Benchmarks 2021 论文 参考文献

    Sarah Wiegreffe, Ana Marasovic

  10. 哪种*BERT？组织上下文编码器的综述. EMNLP 2020 论文 参考文献

    Patrick Xia, Shijie Wu, Benjamin Van Durme

知识图谱

  1. 关联机器学习在知识图谱中的研究综述. Proc. IEEE 2016 论文 参考文献

    Maximilian Nickel, Kevin Murphy, Volker Tresp, Evgeniy Gabrilovich

  2. 知识图谱补全的实体和关系嵌入模型综述. arXiv 2017 论文 参考文献

    Dat Quoc Nguyen

  3. 语言和知识图谱的嵌入空间对齐方法综述. arXiv 2020 论文 参考文献

    Alexander Kalinowski, Yuan An

  4. 构建中文知识图谱的技术及其应用综述. Sustainability 2018 论文 参考文献

    吴天星, 齐桂林, 李诚, 王猛

  5. 知识图谱补全的图神经网络综述. arXiv 2020 论文 参考文献

    Siddhant Arora

  6. 知识图谱的表示、获取与应用综述. arXiv 2020 论文 参考文献

    吉绍雄, 潘仕瑞, Erik Cambria, Pekka Marttinen, Philip S. Yu

  7. 基于神经网络的问题回答与知识图谱介绍. WIREs Data Mining Knowl. Discov. 2021 论文 参考文献

    Nilesh Chakraborty, Denis Lukovnikov, Gaurav Maheshwari, Priyansh Trivedi, Jens Lehmann, Asja Fischer

  8. 知识图谱嵌入与链接预测：比较分析. ACM Trans. Knowl. Discov. Data 2021 论文 参考文献

    Andrea Rossi, Denilson Barbosa, Donatella Firmani, Antonio Matinata, Paolo Merialdo

  9. 知识图谱嵌入：从表示空间角度的综述. arXiv 2022 论文 参考文献

    曹家航, 方金元, 孟在桥, 梁上松

  10. 知识图谱嵌入：方法与应用综述. IEEE Trans. Knowl. Data Eng. 2017 论文 参考文献

    王全, 毛震东, 王斌, 郭利

  11. 知识图谱细化：方法与评估综述. Semantic Web 2017 论文 参考文献

    Heiko Paulheim

  12. 知识图谱. ACM Comput. Surv. 2021 论文 参考文献 艾丹·霍根，爱娃·布洛姆奎斯特，迈克尔·科切兹，克劳迪娅·达马托，杰拉德·德梅洛，克劳迪奥·古蒂雷斯，萨布丽娜·基拉内，何塞·埃米利奥·拉布拉·加约，罗伯托·纳维利，塞巴斯蒂安·纽迈尔，阿克塞尔-西里尔·尼贡加·诺莫，阿克塞尔·波勒雷斯，萨比尔·M·拉希德，阿妮萨·鲁拉，卢卡斯·施梅尔泽森，胡安·塞克达，斯特凡·施塔布，安托万·齐默尔曼*

  13. 知识图谱：信息检索的视角。 Found. Trends Inf. Retr. 2020 论文 文献

    Ridho Reinanda, Edgar Meij, Maarten de Rijke

  14. 多模式知识图谱构建与应用：综述。 arXiv 2022 论文 文献

    Xiangru Zhu, Zhixu Li, Xiaodan Wang, Xueyao Jiang, Penglei Sun, Xuwu Wang, Yanghua Xiao, Nicholas Jing Yuan

  15. 知识图谱上的神经、符号与神经符号推理。 AI Open 2021 论文 文献

    Jing Zhang, Bo Chen, Lingxi Zhang, Xirui Ke, Haipeng Ding

  16. 隐私保护知识图谱中的调查和开放问题：合并、查询、表示、完成和应用。 arXiv 2020 论文 文献

    Chaochao Chen, Jamie Cui, Guanfeng Liu, Jia Wu, Li Wang

  17. 视幻学习中知识的贡献：任务和挑战的综述。 arXiv 2023 论文 文献

    Maria Lymperaiou, Giorgos Stamou

语言提供给视觉、机器人及其他

  1. 自2008年以来主要的文本文档分割算法的综合调查。 Pattern Recognit. 2017 论文 文献

    Sébastien Eskenazi, Petra Gomez-Krämer, Jean-Marc Ogier

  2. 情感感知聊天机器人：综述。 arXiv 2019 论文 文献

    Endang Wahyu Pamungkas

  3. 从展示到叙述：基于深度学习的图像描述的综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2023 论文 文献

    Matteo Stefanini, Marcella Cornia, Lorenzo Baraldi, Silvia Cascianelli, Giuseppe Fiameni, Rita Cucchiara

  4. 视觉与语言研究的整合趋势：任务、数据集和方法的综述。 J. Artif. Intell. Res. 2021 论文 文献

    Aditya Mogadala, Marimuthu Kalimuthu, Dietrich Klakow

大型语言模型

  1. AI生成内容的综合调查（AIGC）：从GAN到ChatGPT的生成AI历史。 arXiv 2023 论文 文献

    Yihan Cao, Siyu Li, Yixin Liu, Zhiling Yan, Yutong Dai, Philip S. Yu, Lichao Sun

  2. 预训练基础模型的综合调查：从BERT到ChatGPT的历史。 arXiv 2023 论文 文献

    Ce Zhou, Qian Li, Chen Li, Jun Yu, Yixin Liu, Guangjing Wang, Kai Zhang, Cheng Ji, Qiben Yan, Lifang He, Hao Peng, Jianxin Li, Jia Wu, Ziwei Liu, Pengtao Xie, Caiming Xiong, Jian Pei, Philip S. Yu, Lichao Sun

  3. 从验证和验证的角度调查大型语言模型的安全性和可信度。 arXiv 2023 论文 文献

    Xiaowei Huang, Wenjie Ruan, Wei Huang, Gaojie Jin, Yi Dong, Changshun Wu, Saddek Bensalem, Ronghui Mu, Yi Qi, Xingyu Zhao, Kaiwen Cai, Yanghao Zhang, Sihao Wu, Peipei Xu, Dengyu Wu, Andre Freitas, Mustafa A. Mustafa

  4. 情境学习的综述。 arXiv 2023 论文 文献

    Qingxiu Dong, Lei Li, Damai Dai, Ce Zheng, Zhiyong Wu, Baobao Chang, Xu Sun, Jingjing Xu, Lei Li, Zhifang Sui

  5. 大型语言模型的综述。 arXiv 2023 论文 文献

    Wayne Xin Zhao, Kun Zhou, Junyi Li, Tianyi Tang, Xiaolei Wang, Yupeng Hou, Yingqian Min, Beichen Zhang, Junjie Zhang, Zican Dong, Yifan Du, Chen Yang, Yushuo Chen, Zhipeng Chen, Jinhao Jiang, Ruiyang Ren, Yifan Li, Xinyu Tang, Zikang Liu, Peiyu Liu, Jian-Yun Nie, Ji-Rong Wen

  6. AI增强调查：利用大型语言模型预测国家代表性调查中的意见。 arXiv 2023 论文 文献

    Junsol Kim, Byungkyu Lee

  7. 弥合差距：在人类反馈自然语言生成方面的综述。 arXiv 2023 论文 文献

    Patrick Fernandes, Aman Madaan, Emmy Liu, António Farinhas, Pedro Henrique Martins, Amanda Bertsch, José G. C. de Souza, Shuyan Zhou, Tongshuang Wu, Graham Neubig, André F. T. Martins

  8. 有关大型语言模型的八件事。 arXiv 2023 论文 文献

    Samuel R. Bowman

  9. 利用实践中的大型语言模型：ChatGPT及其后的调查。 arXiv 2023 论文 文献

    Jingfeng Yang, Hongye Jin, Ruixiang Tang, Xiaotian Han, Qizhang Feng, Haoming Jiang, Bing Yin, Xia Hu

  10. 语言模型行为：全面调查。 arXiv 2023 论文 文献

    Tyler A. Chang, Benjamin K. Bergen

  11. 大型语言模型与NL2Code相遇：综述。 arXiv 2023 论文 文献

    Daoguang Zan, Bei Chen, Fengji Zhang, Dianjie Lu, Bingchao Wu, Bei Guan, Yongji Wang, Jian-Guang Lou

  12. 大规模多模式预训练模型：综述。 arXiv 2023 论文 文献

    Xiao Wang, Guangyao Chen, Guangwu Qian, Pengcheng Gao, Xiao-Yong Wei, Yaowei Wang, Yonghong Tian, Wen Gao

  13. 大规模深度学习模型的高效训练：文献回顾。 arXiv 2023 论文 文献

    Li Shen, Yan Sun, Zhiyuan Yu, Liang Ding, Xinmei Tian, Dacheng Tao

  14. 生成AI的一小步，AGI的一大步：ChatGPT在AIGC时代的全面综述。 arXiv 2023 论文 文献

    Chaoning Zhang, Chenshuang Zhang, Chenghao Li, Yu Qiao, Sheng Zheng, Sumit Kumar Dam, Mengchun Zhang, Jung Uk Kim, Seong Tae Kim, Jinwoo Choi, Gyeong-Moon Park, Sung-Ho Bae, Lik-Hang Lee, Pan Hui, In So Kweon, Choong Seon Hong

  15. 跨越32个大学课程的对话式人工智能的感知、性能和可检测性。 arXiv 2023 论文 文献

    Hazem Ibrahim, Fengyuan Liu, Rohail Asim, Balaraju Battu, Sidahmed Benabderrahmane, Bashar Alhafni, Wifag Adnan, Tuka Alhanai, Bedoor AlShebli, Riyadh Baghdadi, Jocelyn J. Bélanger, Elena Beretta, Kemal Celik, Moumena Chaqfeh, Mohammed F. Daqaq, Zaynab El Bernoussi, Daryl Fougnie, Borja Garcia de Soto, Alberto Gandolfi, Andras Gyorgy, Nizar Habash, J. Andrew Harris, Aaron Kaufman, Lefteris Kirousis, Korhan Kocak

  16. 通过大型预训练语言模型在自然语言处理领域的最新进展：综述。 arXiv 2021 论文 文献

    Bonan Min, Hayley Ross, Elior Sulem, Amir Pouran Ben Veyseh, Thien Huu Nguyen, Oscar Sainz, Eneko Agirre, Ilana Heintz, Dan Roth

  17. 自然语言理解中大型语言模型的捷径学习：综述。 arXiv 2022 论文 文献

    Mengnan Du, Fengxiang He, Na Zou, Dacheng Tao, Xia Hu

  18. ChatGPT/GPT-4研究总结以及对大型语言模型未来的展望。 arXiv 2023 论文 文献

    Yiheng Liu, Tianle Han, Siyuan Ma, Jiayue Zhang, Yuanyuan Yang, Jiaming Tian, Hao He, Antong Li, Mengshen He, Zhengliang Liu, Zihao Wu, Dajiang Zhu, Xiang Li, Ning Qiang, Dingang Shen, Tianming Liu, Bao Ge

  19. 知识在视觉语言学习中的贡献：任务和挑战的综述。 arXiv 2023 论文 文献

    Maria Lymperaiou, Giorgos Stamou

  20. 检测大型语言模型生成文本的科学。 arXiv 2023 论文 文献

    Ruixiang Tang, Yu-Neng Chuang, Xia Hu

  21. 临床基础模型的薄弱基础：电子病历中大型语言模型和基础模型的综述。 arXiv 2023 论文 文献

    Michael Wornow, Yizhe Xu, Rahul Thapa, Birju S. Patel, Ethan Steinberg, Scott L. Fleming, Michael A. Pfeffer, Jason A. Fries, Nigam H. Shah

  22. 迈向大型语言模型中的推理：综述。 arXiv 2022 论文 文献

    Jie Huang, Kevin Chen-Chuan Chang

  23. 将大型语言模型诱导至不服从：理解、分析和预防越狱现象。 arXiv 2023 论文 文献

    Abhinav Rao, Sachin Vashistha, Atharva Naik, Somak Aditya, Monojit Choudhury

语言学理论、认知建模与心理语言学

  1. 语码转换的综述：语言技术的语言和社会视角。 ACL 2021 论文 文献

    A. Seza Dogruöz, Sunayana Sitaram, Barbara E. Bullock, Almeida Jacqueline Toribio

  2. 语言变异和普遍性的建模：自然语言处理的类型学语言学综述。 Comput. Linguistics 2019 论文 文献

    Edoardo Maria Ponti, Helen O'Horan, Yevgeni Berzak, Ivan Vulic, Roi Reichart, Thierry Poibeau, Ekaterina Shutova, Anna Korhonen

  3. 自然语言处理中类型学信息使用的综述。 COLING 2016 论文 文献

    Helen O'Horan, Yevgeni Berzak, Ivan Vulic, Roi Reichart, Anna Korhonen

NLP中的机器学习

  1. 词表示模型的综合综述：从经典到最先进的词表示语言模型。 ACM Trans. Asian Low Resour. Lang. Inf. Process. 2021 论文 文献

    Usman Naseem, Imran Razzak, Shah Khalid Khan, Mukesh Prasad

  2. 跨语言词嵌入模型综述。 J. Artif. Intell. Res. 2019 论文 文献

    Sebastian Ruder, Ivan Vulic, Anders Søgaard

  3. 自然语言处理中的数据增强方法综述。 ACL 2021 论文 文献

    Steven Y. Feng, Varun Gangal, Jason Wei, Sarath Chandar, Soroush Vosoughi, Teruko Mitamura, Eduard H. Hovy

  4. 从文本中提取特征的神经网络技术综述。 arXiv 2017 论文 文献

    Vineet John

  5. 神经网络与形式语言的综述。 arXiv 2020 论文 文献

    Joshua Ackerman, George Cybenko

  6. 自然语言处理中的深度学习方法综述。 arXiv 2018 论文 文献

    Daniel W. Otter, Julian R. Medina, Jugal K. Kalita

  7. 上下文嵌入的综述。 arXiv 2020 论文 文献

    Qi Liu, Matt J. Kusner, Phil Blunsom

  8. 自然语言处理中的迁移学习综述。 arXiv 2020 论文 文献

    Zaid Alyafeai, Maged Saeed AlShaibani, Irfan Ahmad

  9. 文本上的对抗攻击与防御：综述。 arXiv 2020 论文 文献

    Aminul Huq, Mst. Tasnim Pervin

  10. 自然语言处理中的深度学习模型的对抗攻击：综述。 ACM Trans. Intell. Syst. Technol. 2020 论文 文献

    Wei Emma Zhang, Quan Z. Sheng, Ahoud Alhazmi, Chenliang Li

  11. 推特数据上的无监督文本表示方法的实证综述。 W-NUT@EMNLP 2020 论文 文献

    Lili Wang, Chongyang Gao, Jason Wei, Weicheng Ma, Ruibo Liu, Soroush Vosoughi

  12. 孟加拉语自然语言处理：经典、机器学习和深度学习方法的综合分析。 IEEE Access 2022 论文 文献

    Ovishake Sen, Mohtasim Fuad, Md. Nazrul Islam, Jakaria Rabbi, Mehedi Masud, Md. Kamrul Hasan, Md. Abdul Awal, Awal Ahmed Fime, Md. Tahmid Hasan Fuad, Delowar Sikder, Md. Akil Raihan Iftee

  13. 联邦学习遇上自然语言处理：综述。 arXiv 2021 论文 文献

    Ming Liu, Stella Ho, Mengqi Wang, Longxiang Gao, Yuan Jin, He Zhang

  14. 从静态到动态词表示：综述。 Int. J. Mach. Learn. Cybern. 2020 论文 文献

    Yuxuan Wang, Yutai Hou, Wanxiang Che, Ting Liu

  15. 从词到语义嵌入：意义向量表示的综述。 J. Artif. Intell. Res. 2018 论文 文献

    José Camacho-Collados, Mohammad Taher Pilehvar

  16. 自然语言处理中的图神经网络：综述。 Found. Trends Mach. Learn. 2023 论文 文献

    Lingfei Wu, Yu Chen, Kai Shen, Xiaojie Guo, Hanning Gao, Shucheng Li, Jian Pei, Bo Long

  17. 信息化的机器学习——将先验知识融入学习系统的分类和综述。 IEEE Trans. Knowl. Data Eng. 2023 论文 文献

    Laura von Rüden, Sebastian Mayer, Katharina Beckh, Bogdan Georgiev, Sven Giesselbach, Raoul Heese, Birgit Kirsch, Julius Pfrommer, Annika Pick, Rajkumar Ramamurthy, Michal Walczak, Jochen Garcke, Christian Bauckhage, Jannis Schuecker

  18. 叙事科学系统：综述。 arXiv 2015 论文 参考文献

    Paramjot Kaur Sarao, Puneet Mittal, Rupinder Kaur

  19. 深度学习在自然语言处理中的进展：调查。 arXiv 2020 论文 参考文献

    Amirsina Torfi, Rouzbeh A. Shirvani, Yaser Keneshloo, Nader Tavaf, Edward A. Fox

  20. 基于深度学习的自然语言处理的最新趋势 [综述文章]。 IEEE Comput. Intell. Mag. 2018 论文 参考文献

    Tom Young, Devamanyu Hazarika, Soujanya Poria, Erik Cambria

  21. 在深度学习时代的自然语言处理中的符号、分布和分布式表示：综述。 Frontiers Robotics AI 2019 论文 参考文献

    Lorenzo Ferrone, Fabio Massimo Zanzotto

  22. 自然语言处理中的Token-Modification对抗性攻击：综述。 arXiv 2021 论文 参考文献

    Tom Roth, Yansong Gao, Alsharif Abuadbba, Surya Nepal, Wei Liu

  23. 迈向文本中鲁棒的深度神经网络：综述。 arXiv 2019 论文 参考文献

    Wenqi Wang, Lina Wang, Run Wang, Zhibo Wang, Aoshuang Ye

  24. 词嵌入：综述。 arXiv 2019 论文 参考文献

    Felipe Almeida, Geraldo Xexéo

机器翻译

  1. 多语种神经机器翻译的综合调查。 arXiv 2020 论文 参考文献

    Raj Dabre, Chenhui Chu, Anoop Kunchukuttan

  2. 神经机器翻译的深度学习技术综述。 arXiv 2020 论文 参考文献

    Shuoheng Yang, Yuxin Wang, Xiaowen Chu

  3. 神经机器翻译的领域自适应技术综述。 COLING 2018 论文 参考文献

    Chenhui Chu, Rui Wang

  4. 低资源神经机器翻译中利用单语数据的方法综述。 arXiv 2019 论文 参考文献

    Ilshat Gibadullin, Aidar Valeev, Albina Khusainova, Adil Khan

  5. 机器翻译中的正字法信息综述。 SN Comput. Sci. 2021 论文 参考文献

    Bharathi Raja Chakravarthi, Priya Rani, Mihael Arcan, John P. McCrae

  6. 统计机器翻译中的词语重排序研究：计算模型和语言现象综述。 Comput. Linguistics 2016 论文 参考文献

    Arianna Bisazza, Marcello Federico

  7. 文档级神经机器翻译的综述：方法和评估。 ACM Comput. Surv. 2022 论文 参考文献

    Sameen Maruf, Fahimeh Saleh, Gholamreza Haffari

  8. 低资源神经机器翻译综述。 IJCAI 2021 论文 参考文献

    Rui Wang, Xu Tan, Renqian Luo, Tao Qin, Tie-Yan Liu

  9. 神经机器翻译及其延伸中的非自回归生成研究综述。 arXiv 2022 论文 参考文献

    Yisheng Xiao, Lijun Wu, Junliang Guo, Juntao Li, Min Zhang, Tao Qin, Tie-Yan Liu

  10. 神经机器翻译的领域适应和多领域适应研究综述。 J. Artif. Intell. Res. 2022 论文 参考文献

    Danielle Saunders

  11. 机器翻译中的性别偏见。 Trans. Assoc. Comput. Linguistics 2021 论文 参考文献

    Beatrice Savoldi, Marco Gaido, Luisa Bentivogli, Matteo Negri, Marco Turchi

  12. 印度语言的机器翻译方法和调查。 Int. J. Comput. Linguistics Chin. Lang. Process. 2013 论文 参考文献

    P. J. Antony

  13. 机器翻译评估资源和方法：综述。 Ireland Postgraduate Research Conference 2018 论文 参考文献

    Lifeng Han

  14. 使用语义网技术进行机器翻译：综述。 J. Web Semant. 2018 论文 参考文献

    Diego Moussallem, Matthias Wauer, Axel-Cyrille Ngonga Ngomo

  15. 机器翻译的历史与发展：阿拉伯语-英语翻译综述。 arXiv 2017 论文 参考文献

    Nabeel T. Alsohybe, Neama Abdulaziz Dahan, Fadl Mutaher Ba-Alwi

  16. 通过视觉和语音进行多模态机器翻译。 Mach. Transl. 2020 论文 参考文献

    Umut Sulubacak, Ozan Caglayan, Stig-Arne Grönroos, Aku Rouhe, Desmond Elliott, Lucia Specia, Jörg Tiedemann

  17. 神经机器翻译和序列到序列模型：教程。 arXiv 2017 论文 参考文献

    Graham Neubig

  18. 低资源语言的神经机器翻译：综述。 arXiv 2021 论文 参考文献

    Surangika Ranathunga, En-Shiun Annie Lee, Marjana Prifti Skenduli, Ravi Shekhar, Mehreen Alam, Rishemjit Kaur

  19. 神经机器翻译：综述。 J. Artif. Intell. Res. 2020 论文 参考文献

    Felix Stahlberg

  20. 神经机器翻译：方法、资源和工具的综述。 AI Open 2020 论文 参考文献

    Zhixing Tan, Shuo Wang, Zonghan Yang, Gang Chen, Xuancheng Huang, Maosong Sun, Yang Liu

  21. 神经机器翻译：挑战、进展与未来。 arXiv 2020 论文 参考文献

    Jiajun Zhang, Chengqing Zong

  22. 低资源机器翻译研究综述。 Comput. Linguistics 2022 论文 参考文献

    Barry Haddow, Rachel Bawden, Antonio Valerio Miceli Barone, Jindrich Helcl, Alexandra Birch

  23. 查询翻译领域的概况：综述。 arXiv 2019 论文 参考文献

    Mohamed Nadjib Mami, Damien Graux, Harsh Thakkar, Simon Scerri, Sören Auer, Jens Lehmann

命名实体识别

  1. 阿拉伯语命名实体识别与分类综述。 Comput. Linguistics 2014 论文 参考文献

    Khaled Shaalan

  2. 命名实体识别与分类研究综述。 Lingvisticae Investigationes 2007 论文 参考文献

    David Nadeau, Satoshi Sekine

  3. 阿萨姆语及其他印度语言的命名实体识别研究综述。 arXiv 2014 论文 参考文献

    Gitimoni Talukdar, Pranjal Protim Borah, Arup Baruah

  4. 命名实体识别中的深度学习研究综述。 IEEE Trans. Knowl. Data Eng. 2022 文章 参考文献

    Jing Li, Aixin Sun, Jianglei Han, Chenliang Li

  5. 深度学习模型在命名实体识别中的最新进展综述。 COLING 2018 文章 参考文献

    Vikas Yadav, Steven Bethard

  6. 神经序列标注中的设计挑战和误解。 COLING 2018 文章 参考文献

    Jie Yang, Shuailong Liang, Yue Zhang

自然语言推理

  1. 近年来数据库自然语言接口的比较研究。 VLDB J. 2019 文章 参考文献

    Katrin Affolter, Kurt Stockinger, Abraham Bernstein

  2. 超越排行榜：揭示自然语言推理数据和模型弱点的方法综述。 arXiv 2020 文章 参考文献

    Viktor Schlegel, Goran Nenadic, Riza Batista-Navarro

  3. 自然语言推理的最新进展：基准、资源和方法的综述。 arXiv 2019 文章 参考文献

    Shane Storks, Qiaozi Gao, Joyce Y Chai

自然语言处理

  1. 语言建模的一些进展。 Comput. Speech Lang. 2001 文章 参考文献

    Joshua T. Goodman

  2. 最近代词共指消解研究的简要综述与比较研究。 arXiv 2020 文章 参考文献

    Hongming Zhang, Xinran Zhao, Yangqiu Song

  3. 语法错误纠正的综合调查。 arXiv 2020 文章 参考文献

    Yu Wang, Yuelin Wang, Jie Liu, Zhuo Liu

  4. 神经实体共指消解回顾。 Expert Syst. Appl. 2021 文章 参考文献

    Nikolaos Stylianou, Ioannis P. Vlahavas

  5. 自然语言处理的神经网络模型入门。 J. Artif. Intell. Res. 2016 文章 参考文献

    Yoav Goldberg

  6. 孟加拉语自然语言处理任务及Transformer模型的实用性综述。 arXiv 2021 文章 参考文献

    Firoj Alam, Md. Arid Hasan, Tanvirul Alam, Akib Khan, Jannatul Tajrin, Naira Khan, Shammur Absar Chowdhury

  7. 控制自然语言的调查与分类。 Comput. Linguistics 2014 文章 参考文献

    Tobias Kuhn

  8. 隐性话语关系识别的调查。 arXiv 2022 文章 参考文献

    Wei Xiang, Bang Wang

  9. 自然语言处理中的偏见和公平性调查。 arXiv 2022 文章 参考文献

    Rajas Bansal

  10. 自然语言处理中的动态神经网络研究综述。 arXiv 2022 文章 参考文献

    Canwen Xu, Julian J. McAuley

  11. 上下文学习研究综述。 arXiv 2023 文章 参考文献

    Qingxiu Dong, Lei Li, Damai Dai, Ce Zheng, Zhiyong Wu, Baobao Chang, Xu Sun, Jingjing Xu, Lei Li, Zhifang Sui

  12. 预训练语言模型的压缩与加速综述。 arXiv 2022 文章 参考文献

    Canwen Xu, Julian J. McAuley

  13. 神经网络语言模型的研究综述。 arXiv 2019 文章 参考文献

    Kun Jing, Jungang Xu

  14. 低资源情景下的自然语言处理方法综述。 NAACL-HLT 2021 文章 参考文献

    Michael A. Hedderich, Lukas Lange, Heike Adel, Jannik Strötgen, Dietrich Klakow

  15. 文本到SQL解析的概念、方法及未来方向综述。 arXiv 2022 文章 参考文献

    Bowen Qin, Binyuan Hui, Lihan Wang, Min Yang, Jinyang Li, Binhua Li, Ruiying Geng, Rongyu Cao, Jian Sun, Luo Si, Fei Huang, Yongbin Li

  16. 自然语言处理问题中的注意力机制入门综述。 IntelliSys 2019 文章 参考文献

    Dichao Hu

  17. 自然语言处理中的注意力机制。 IEEE Trans. Neural Networks Learn. Syst. 2021 文章 参考文献

    Andrea Galassi, Marco Lippi, Paolo Torroni

  18. 阿拉伯语方言识别系统：书面文本综述。 arXiv 2020 文章 参考文献

    Maha J. Althobaiti

  19. 中文分词：十年回顾。 中国信息处理学报 2007 文章 参考文献

    Changning Huang, Hai Zhao

  20. 自然语言处理中的持续终身学习：综述。 COLING 2020 文章 参考文献

    Magdalena Biesialska, Katarzyna Biesialska, Marta R. Costa-jussà

  21. 词汇简化的深度学习方法：调查。 arXiv 2023 文章 参考文献

    Kai North, Tharindu Ranasinghe, Matthew Shardlow, Marcos Zampieri

  22. 自然语言处理的高效方法：综述。 arXiv 2022 文章 参考文献

    Marcos V. Treviso, Tianchu Ji, Ji-Ung Lee, Betty van Aken, Qingqing Cao, Manuel R. Ciosici, Michael Hassid, Kenneth Heafield, Sara Hooker, Pedro Henrique Martins, André F. T. Martins, Peter A. Milder, Colin Raffel, Edwin Simpson, Noam Slonim, Niranjan Balasubramanian, Leon Derczynski, Roy Schwartz

  23. 经验奠定语言基础。 EMNLP 2020 文章 参考文献

    Yonatan Bisk, Ari Holtzman, Jesse Thomason, Jacob Andreas, Yoshua Bengio, Joyce Chai, Mirella Lapata, Angeliki Lazaridou, Jonathan May, Aleksandr Nisnevich, Nicolas Pinto, Joseph P. Turian

  24. 常识知识在自然语言任务中的帮助：最新资源和方法的综述。 arXiv 2021 文章 参考文献

    Yubo Xie, Pearl Pu

  25. 跃升NLP曲线：自然语言处理研究综述[综述文章]。 IEEE Comput. Intell. Mag. 2014 文章 参考文献

    Erik Cambria, Bebo White

  26. 自然语言处理中的元学习：综述。 NAACL-HLT 2022 文章 参考文献

    Hung-yi Lee, Shang-Wen Li, Thang Vu

  27. 自然语言处理：综述。 arXiv 2012 文章 参考文献

    Kevin Mote

  28. 自然语言处理：现状、当前趋势与挑战。 Multim. Tools Appl. 2023 文章 参考文献 迪克莎·库拉娜，阿迪蒂亚·科里，基兰·哈特，苏赫德夫·辛格

  29. 用于辨识同义句、语义文本相似性、自然语言推理和问答的神经网络模型。 COLING 2018 论文 参考

    吴伟·兰，魏·徐

  30. 基于转换器模型的NLP任务概述。 FedCSIS 2020 论文 参考

    安东尼·吉利奥兹，杰基·卡萨斯，埃琳娜·穆杰利尼，奥马尔·阿布凯莱德

  31. 自然语言处理领域的范式转换。 Int. J. Autom. Comput. 2022 论文 参考

    田翔·孙，向阳·刘，喜鹏·邱，宣庆·黄

  32. 神经网络自然语言处理的进展：建模、学习与推理。 Engineering 2020 论文 参考

    明·周，南·段，舒杰·刘，熊克扬·沈

  33. 将人类纳入自然语言处理：一项调查。 arXiv 2021 论文 参考

    季杰·王，东进·崔，神玉·许，蒂伊·杨

  34. 自然语言处理领域的最前沿泛化研究：分类与评审。 arXiv 2022 论文 参考

    迪乌克·胡普凯斯，马里奥·朱利亚内利，维尔纳·丹克斯，米克尔·阿图特克，亚奈·埃拉扎，蒂亚戈·皮门特尔，克里斯托斯·克里斯托杜洛普洛斯，卡里姆·拉斯里，娜奥米·萨弗拉，阿拉贝拉·辛克莱尔，丹尼斯·乌尔默，弗洛里安·肖特曼，库亚巴塔尔·巴特苏伦，凯撒·约翰逊，库特斯夫·辛哈，莱拉·卡拉特巴里，玛丽亚·赖斯基纳，里塔·弗雷斯克，瑞恩·科特雷尔，志瑾·金

  35. 对公开可用的僧伽罗自然语言处理工具和研究的调查。 arXiv 2019 论文 参考

    尼斯安萨·德·席尔瓦

  36. 可视化自然语言描述：一项调查。 ACM Comput. Surv. 2016 论文 参考

    卡韦赫·哈萨尼，元淑·李

  37. 深度学习时代的词对齐：教程。 arXiv 2022 论文 参考

    布莱恩·李

NLP 应用

  1. 生物医学关系提取技术的简短调查。 arXiv 2017 论文 参考

    埃勒姆·沙哈布

  2. 基于学习的自动程序修复综述。 arXiv 2023 论文 参考

    全军·张，春荣·方，玉祥·马，伟松·孙，振宇·陈

  3. 法律判决预测的调查：数据集、指标、模型和挑战。 arXiv 2022 论文 参考

    军云·崔，晓瑜·申，飞平·聂，正·王，京龙·王，玉龙·陈

  4. 自然语言处理在保险中的应用调查。 arXiv 2020 论文 参考

    安托万·立，班诺·乌塔亚索利亚，婷婷·王

  5. 使用自然语言处理技术的安卓安全：综述。 arXiv 2021 论文 参考

    塞维尔·森，布尔苏·坎

  6. 虚假信息检测：在新闻真实性评估中的语言特征选择与分类模型的综述。 arXiv 2019 论文 参考

    吉莉恩·汤普金斯

  7. 虚构人物网络的提取与分析：调查。 ACM Comput. Surv. 2019 论文 参考

    文森特·拉巴图，泽维尔·波斯塔

  8. 自然语言处理如何惠及法制系统：法律人工智能综述。 ACL 2020 论文 参考

    豪西·钟，超军·肖，春超·屠，天扬·张，志远·刘，茂松·孙

  9. 基于自然语言的财务预测：调查。 Artif. Intell. Rev. 2018 论文 参考

    弗兰克·Z.·兴，埃里克·坎布里亚，罗伊·E.·威尔希

  10. 电子健康记录中非结构化数据的神经自然语言处理：综述。 arXiv 2021 论文 参考

    艾琳·李，杰西卡·潘，杰里米·戈德瓦瑟，尼哈·维尔马，伟·潘·黄，穆罕默德·亚武兹·努祖姆拉里，本杰明·罗桑，翼欣·李，马修·张，大卫·张，理查德·安德鲁·泰勒，哈伦·M.·克鲁姆霍尔兹，德拉戈米尔·R.·拉德夫

  11. SECNLP：临床自然语言处理中的嵌入综述。 J. Biomed. Informatics 2020 论文 参考

    卡提卡帕利珊尼亚姆·卡里安，西瓦内森·桑吉斯

  12. 生物信息学领域的自然语言处理技术综述。 Comput. Math. Methods Medicine 2015 论文 参考

    志强·曾，红华·施，芸·吴，治玲·洪

  13. 基于文本的流行病情报：计算语言学角度的调查。 ACM Comput. Surv. 2020 论文 参考

    阿迪提亚·乔希，萨尔瓦纳兹·卡利米，罗斯·斯帕克斯，赛西尔·巴黎，C.·拉伊娜·麦金太尔

  14. 学生反馈处理中的机器学习和自然语言处理的潜力（简短调查）。 arXiv 2020 论文 参考

    玛丽安·埃达拉提

  15. 为了改进作者身份识别模型设计：写作风格理解的综述。 arXiv 2020 论文 参考

    伟诚·马，瑞伯·刘，丽丽·王，苏苏·沃索吉

预训练模型

  1. 语言处理中的对比预训练入门：方法、经验教训和前景。 arXiv 2021 论文 参考

    尼尔斯·瑞特梅尔，伊莎贝拉·奥根斯丁

  2. 语言模型作为知识库的综述。 arXiv 2022 论文 参考

    巴德尔·阿尔卡米西，米莉森特·李，阿斯里·切利基尔马兹，莫娜·T·迪亚布，玛里安·加兹维尼内贾德

  3. 预训练语言模型在对话人工智能中的应用综述——NLP新时代。 arXiv 2021 论文 参考

    穆娜扎·扎伊布，泉·张盛，魏·爱玛·张

  4. 使用基于转换器的预训练语言模型的可控文本生成综述。 arXiv 2022 论文 参考

    韩庆·张，豪林·宋，烁玉·李，明·周，大伟·宋

  5. 视觉-语言预训练模型综述。 IJCAI 2022 论文 参考

    伊凡·杜，子康·刘，君毅·李，韦恩·新·赵

  6. 时间序列预训练模型综述。 arXiv 2023 论文 参考

    千里·马，震·刘，震靖·郑，紫阳·黄，思盈·朱，钟钟·余，詹姆斯·T·郭

  7. AMMUS：基于Transformer的自然语言处理预训练模型综述。 arXiv 2021 论文 参考

    卡提卡帕利·苏布拉马普利安·卡里安，阿吉特·拉贾瑟卡兰，西瓦内森·桑吉斯

  8. 对话人工智能的常识推理：现状调查。 arXiv 2023 论文 参考文献

    Christopher Richardson, Larry Heck

  9. 基于预训练语言模型的高密度文本检索：综述。 arXiv 2022 论文 参考文献

    Wayne Xin Zhao, Jing Liu, Ruiyang Ren, Ji-Rong Wen

  10. 预训练，提示和预测：自然语言处理中的提示方法系统调查。 ACM Comput. Surv. 2023 论文 参考文献

    Pengfei Liu, Weizhe Yuan, Jinlan Fu, Zhengbao Jiang, Hiroaki Hayashi, Graham Neubig

  11. 文本生成的预训练语言模型：综述。 arXiv 2021 论文 参考文献

    Junyi Li, Tianyi Tang, Wayne Xin Zhao, Ji-Rong Wen

  12. 自然语言处理的预训练模型：综述。 arXiv 2020 论文 参考文献

    Xipeng Qiu, Tianxiang Sun, Yige Xu, Yunfan Shao, Ning Dai, Xuanjing Huang

  13. 预训练模型：过去、现在和未来。 arXiv 2021 论文 参考文献

    Xu Han, Zhengyan Zhang, Ning Ding, Yuxian Gu, Xiao Liu, Yuqi Huo, Jiezhong Qiu, Liang Zhang, Wentao Han, Minlie Huang, Qin Jin, Yanyan Lan, Yang Liu, Zhiyuan Liu, Zhiwu Lu, Xipeng Qiu, Ruihua Song, Jie Tang, Ji-Rong Wen, Jinhui Yuan, Wayne Xin Zhao, Jun Zhu

  14. 用于文本排名的预训练变压器：BERT及其后续。 WSDM 2021 论文 参考文献

    Andrew Yates, Rodrigo Nogueira, Jimmy Lin

  15. 信息检索中的预训练方法。 Found. Trends Inf. Retr. 2022 论文 参考文献

    Yixing Fan, Xiaohui Xie, Yinqiong Cai, Jia Chen, Xinyu Ma, Xiangsheng Li, Ruqing Zhang, Jiafeng Guo

  16. 基于变压器的视频-语言预训练的综述。 AI Open 2022 论文 参考文献

    Ludan Ruan, Qin Jin

  17. 视觉-语言预训练的综述。 Int. J. Autom. Comput. 2023 论文 参考文献

    Feilong Chen, Duzhen Zhang, Minglun Han, Xiu-Yi Chen, Jing Shi, Shuang Xu, Bo Xu

提示

  1. 提示是否是你所需的一切？不。指令学习的全面和广泛视角。 arXiv 2023 论文 参考文献

    Renze Lou, Kai Zhang, Wenpeng Yin

  2. OpenPrompt：用于提示学习的开源框架。 ACL 2022 论文 参考文献

    Ning Ding, Shengding Hu, Weilin Zhao, Yulin Chen, Zhiyuan Liu, Haitao Zheng, Maosong Sun

  3. 通过语言模型提示进行推理：综述。 arXiv 2022 论文 参考文献

    Shuofei Qiao, Yixin Ou, Ningyu Zhang, Xiang Chen, Yunzhi Yao, Shumin Deng, Chuanqi Tan, Fei Huang, Huajun Chen

问答

  1. 基于知识库的问答调查。 CCKS 2019 论文 参考文献

    Peiyun Wu, Xiaowang Zhang, Zhiyong Feng

  2. 复杂知识库问答综述：方法、挑战和解决方案。 IJCAI 2021 论文 参考文献

    Yunshi Lan, Gaole He, Jinhao Jiang, Jing Jiang, Wayne Xin Zhao, Ji-Rong Wen

  3. 基于复杂问题的知识库问答综述：最新进展和挑战。 arXiv 2020 论文 参考文献

    Bin Fu, Yunqi Qiu, Chengguang Tang, Yang Li, Haiyang Yu, Jian Sun

  4. 多跳问答及生成的综述。 arXiv 2022 论文 参考文献

    Vaibhav Mavi, Anubhav Jangra, Adam Jatowt

  5. 从信息检索角度来看问答技术的综述。 Inf. Sci. 2011 论文 参考文献

    Oleksandr Kolomiyets, Marie-Francine Moens

  6. 关于“为什么”类型问答系统的综述。 arXiv 2019 论文 参考文献

    Manvi Breja, Sanjay Kumar Jain

  7. 复杂的知识库问答：综述。 arXiv 2021 论文 参考文献

    Yunshi Lan, Gaole He, Jinhao Jiang, Jing Jiang, Wayne Xin Zhao, Ji-Rong Wen

  8. 基于知识库问答系统的核心技术：综述。 Knowl. Inf. Syst. 2018 论文 参考文献

    Dennis Diefenbach, Vanessa López, Kamal Deep Singh, Pierre Maret

  9. 基于神经网络方法的知识图谱问答简介。 arXiv 2019 论文 参考文献

    Nilesh Chakraborty, Denis Lukovnikov, Gaurav Maheshwari, Priyansh Trivedi, Jens Lehmann, Asja Fischer

  10. 结合前沿的开放领域问答技术进行叙事问答的全面研究。 Trans. Assoc. Comput. Linguistics 2021 论文 参考文献

    Xiangyang Mou, Chenghao Yang, Mo Yu, Bingsheng Yao, Xiaoxiao Guo, Saloni Potdar, Hui Su

  11. 问答系统：调查和趋势。 Procedia Computer Science 2015 论文 参考文献

    Abdelghani Bouziane, Djelloul Bouchiha, Noureddine Doumi, Mimoun Malki

  12. 检索与阅读：开放域问答的全面调查。 arXiv 2021 论文 参考文献

    Fengbin Zhu, Wenqiang Lei, Chao Wang, Jianming Zheng, Soujanya Poria, Tat-Seng Chua

  13. 视觉问答综述：数据集和技术。 arXiv 2017 论文 参考文献

    Akshay Kumar Gupta

  14. 从信息检索和深度神经网络角度看基于文本的问答：综述。 WIREs Data Mining Knowl. Discov. 2021 论文 参考文献

    Zahra Abbasiantaeb, Saeedeh Momtazi

  15. 使用深度学习回答关于图像的问题的教程。 arXiv 2016 论文 参考文献

    Mateusz Malinowski, Mario Fritz

  16. 使用深度学习进行视觉问答：综述和性能分析。 CVIP 2020 论文 参考文献

    Yash Srivastava, Vaishnav Murali, Shiv Ram Dubey, Snehasis Mukherjee

阅读理解

  1. 机器阅读理解中的可解释性调查。 arXiv 2020 论文 参考文献

    Mokanarangan Thayaparan, Marco Valentino, André Freitas

  2. 机器阅读理解系统综述。 Nat. Lang. Eng. 2022 论文 参考文献

    Razieh Baradaran, Razieh Ghiasi, Hossein Amirkhani

  3. 机器阅读理解的调查：任务、评估指标和基准数据集。 arXiv 2020 论文 bib

    曾诚昌, 李少波, 李琴, 胡洁, 胡建军

  4. 神经机器阅读理解调查。 arXiv 2019 论文 bib

    丘博宇, 陈旭, 许君刚, 孙英飞

  5. 英语机器阅读理解数据集：一项调查。 EMNLP 2021 论文 bib

    Daria Dzendzik, Jennifer Foster, Carl Vogel

  6. 机器阅读理解：文献综述。 arXiv 2019 论文 bib

    张昕, 杨安, 李苏建, 王异中

  7. 机器阅读理解：上下文化语言模型及其作用。 arXiv 2020 论文 bib

    张卓生, 赵海, 王睿

  8. 神经机器阅读理解：方法与趋势。 arXiv 2019 论文 bib

    刘姗姗, 张昕, 张盛, 王辉, 张伟铭

推荐系统

  1. 因果关系抽取的数据集和标注方法综述。 COLING 2020 论文 bib

    许京杭, 左万利, 梁世宁, 左相林

  2. 关于深度学习在推荐系统中的应用的回顾：挑战与补救措施。 Artificial Intelligence Review 2019 论文 bib

    Zeynep Batmaz, Ali Yürekli, Alper Bilge, Cihan Kaleli

  3. 推荐任务的准确性评估指标综述。 Journal of Machine Learning Research 2009 论文 bib

    Asela Gunawardana, Guy Shani

  4. 基于协同过滤的社交推荐系统综述。 Computer Communications 2014 论文 bib

    杨锡旺, 郭阳, 刘勇, Harald Steck

  5. 协同过滤技术综述。 Advances in Artificial Intelligence 2009 论文 bib

    苏晓远, Taghi M. Khoshgoftaar

  6. 深度强化学习在推荐系统中的应用综述与未来方向。 arXiv 2021 论文 bib

    陈晓聪, 姚莉娜, Julian J. McAuley, 周广霖, 王显志

  7. 推荐系统中的解释综述。 ICDE Workshops 2007 论文 bib

    Nava Tintarev, Judith Masthoff

  8. 准确性导向的神经推荐综述：从协同过滤到信息丰富的推荐。 arXiv 2021 论文 bib

    吴乐, 何向南, 王翔, 张坤, 王猛

  9. 对抗性推荐系统的调查：从攻击/防御策略到生成对抗网络。 ACM Computing Surveys 2022 论文 bib

    Yashar Deldjoo, Tommaso Di Noia, Felice Antonio Merra

  10. 对话推荐系统综述。 ACM Computing Surveys 2022 论文 bib

    Dietmar Jannach, Ahtsham Manzoor, Cai Wanling, 陈丽

  11. 组推荐系统综述。 Journal of Intelligent Information Systems 2020 论文 bib

    Sriharsha Dara, C. Ravindranath Chowdary, Chintoo Kumar

  12. 基于知识图谱的推荐系统综述。 IEEE Transactions on Knowledge and Data Engineering 2022 论文 bib

    郭清宇, 庄富任, 秦川, 朱恒殊, 谢星, 熊辉, 何青

  13. 人格感知推荐系统的调查。 Artificial Intelligence Review 2022 论文 bib

    Sahraoui Dhelim, Aung Nyothiri, Bouras Mohammed Amine, 宁焕生, Erik Cambria

  14. 推荐系统的强化学习综述。 arXiv 2021 论文 bib

    林元国, 刘勇, 林帆, 吴鹏程, 曾文华, 缪春艳

  15. 基于会话的推荐系统综述。 ACM Computing Surveys 2022 论文 bib

    王守进, 曹龙兵, 王艳, 盛泉, Orgun Mehmet A., 连德福

  16. 推荐系统公正性综述。 arXiv 2022 论文 bib

    王一凡, 马伟智, 张敏, 刘一群, 马少平

  17. 对话推荐系统中的进展与挑战：综述。 AI Open 2021 论文 bib

    高重明, 雷文强, 何向南, Maarten de Rijke, 蔡松生

  18. 推荐系统中多任务学习方法的进展与挑战：综述。 arXiv 2023 论文 bib

    张明竹, 尹瑞平, 杨振, 王一鹏, 李侃

  19. 我们真的在取得进展吗？对近期神经推荐方法令人担忧的分析。 RecSys 2019 论文 bib

    Maurizio Ferrari Dacrema, Paolo Cremonesi, Dietmar Jannach

  20. 深度推荐系统的AutoML：综述。 arXiv 2022 论文 bib

    郑瑞奇, 屈亮, 崔斌, 施宇辉, 尹洪志

  21. 推荐系统中的偏差与去偏差：调查与未来方向。 arXiv 2020 论文 bib

    陈家伟, 董汉德, 王翔, 冯富丽, 王猛, 何向南

  22. 推荐系统中的因果推断：偏见缓解、解释和泛化策略综述。 arXiv 2023 论文 bib

    朱要晨, 马晶, 李俊东

  23. 超越用户-物品矩阵的协同过滤：现状与未来挑战综述。 ACM Computing Surveys 2014 论文 bib

    史岳, Martha A. Larson, Alan Hanjalic

  24. 协同过滤算法的比较：当前技术的局限性与旨在实现可扩展高性能推荐系统的提案。 ACM Transactions on the Web 2011 论文 bib

    Fidel Cacheda, Victor Carneiro, Diego Fernández, Vreixo Formoso

  25. 基于内容的推荐系统：现状与趋势。 Recommender Systems Handbook 2011 论文 bib

    Pasquale Lops, Marco de Gemmis, Giovanni Semeraro

  26. 跨域推荐系统：系统文献综述。 ACM Computing Surveys 2017 论文 bib Muhammad Murad Khan, Roliana Ibrahim, Imran Ghani

  27. 跨领域推荐：挑战、进展与展望。 IJCAI 2021 论文 文献信息

    Feng Zhu, Yan Wang, Chaochao Chen, Jun Zhou, Longfei Li, Guanfeng Liu

  28. 深度对话推荐系统：面向目标导向对话系统的新前沿。 arXiv 2020 论文 文献信息

    Dai Hoang Tran, Quan Z. Sheng, Wei Emma Zhang, Salma Abdalla Hamad, Munazza Zaib, Nguyen Hoang Tran, Lina Yao, Nguyen Lu Dang Khoa

  29. 基于深度学习的推荐系统：调查与新视角。 ACM Comput. Surv. 2019 论文 文献信息

    Shuai Zhang, Lina Yao, Aixin Sun, Yi Tay

  30. 基于深度学习的搜索和推荐匹配。 Found. Trends Inf. Retr. 2020 论文 文献信息

    Jun Xu, Xiangnan He, Hang Li

  31. 基于知识图谱的深度学习推荐系统：综述。 arXiv 2020 论文 文献信息

    Yang Gao, Yi-Fan Li, Yu Lin, Hang Gao, Latifur Khan

  32. 推荐系统中的深度元学习：综述。 arXiv 2022 论文 文献信息

    Chunyang Wang, Yanmin Zhu, Haobing Liu, Tianzi Zang, Jiadi Yu, Feilong Tang

  33. 推荐系统中的多样性——综述。 Knowl. Based Syst. 2017 论文 文献信息

    Matevz Kunaver, Tomaz Pozrl

  34. 可解释推荐：综述与新视角。 Found. Trends Inf. Retr. 2020 论文 文献信息

    Yongfeng Zhang, Xu Chen

  35. 推荐系统的图学习方法：回顾。 arXiv 2020 论文 文献信息

    Shoujin Wang, Liang Hu, Yan Wang, Xiangnan He, Quan Z. Sheng, Mehmet A. Orgun, Longbing Cao, Nan Wang, Francesco Ricci, Philip S. Yu

  36. 基于图学习的推荐系统：回顾。 IJCAI 2021 论文 文献信息

    Shoujin Wang, Liang Hu, Yan Wang, Xiangnan He, Quan Z. Sheng, Mehmet A. Orgun, Longbing Cao, Francesco Ricci, Philip S. Yu

  37. 推荐系统中的图神经网络：综述。 arXiv 2020 论文 文献信息

    Shiwen Wu, Wentao Zhang, Fei Sun, Bin Cui

  38. 混合推荐系统：调查与实验。 User Model. User Adapt. Interact. 2002 论文 文献信息

    Robin D. Burke

  39. 通过预训练进行知识转移的推荐系统：回顾与展望。 Frontiers Big Data 2021 论文 文献信息

    Zheni Zeng, Chaojun Xiao, Yuan Yao, Ruobing Xie, Zhiyuan Liu, Fen Lin, Leyu Lin, Maosong Sun

  40. 推荐系统解释性评价研究：详尽综述。 arXiv 2022 论文 文献信息

    Xu Chen, Yongfeng Zhang, Ji-Rong Wen

  41. 并行与分布式协作过滤：综述。 ACM Comput. Surv. 2016 论文 文献信息

    Efthalia Karydi, Konstantinos G. Margaritis

  42. 基于用户评论的推荐系统：现状。 User Model. User Adapt. Interact. 2015 论文 文献信息

    Li Chen, Guanliang Chen, Feng Wang

  43. 物联网推荐系统：综述。 arXiv 2020 论文 文献信息

    May S. Altulyan, Lina Yao, Xianzhi Wang, Chaoran Huang, Salil S. Kanhere, Quan Z. Sheng

  44. 推荐系统综述。 Knowl. Based Syst. 2013 论文 文献信息

    Bobadilla J., Ortega F., Hernando A., Gutiérrez A.

  45. 带有辅助信息的推荐系统研究评述：综述与研究方向。 Electron. Commer. Res. Appl. 2019 论文 文献信息

    Zhu Sun, Qing Guo, Jie Yang, Hui Fang, Guibing Guo, Jie Zhang, Robin Burke

  46. 自监督学习在推荐系统中的应用：综述。 arXiv 2022 论文 文献信息

    Junliang Yu, Hongzhi Yin, Xin Xia, Tong Chen, Jundong Li, Zi Huang

  47. 序列感知推荐系统。 ACM Comput. Surv. 2018 论文 文献信息

    Massimo Quadrana, Paolo Cremonesi, Dietmar Jannach

  48. 序列推荐系统：挑战、进展与展望。 IJCAI 2019 论文 文献信息

    Shoujin Wang, Liang Hu, Yan Wang, Longbing Cao, Quan Z. Sheng, Mehmet A. Orgun

  49. 针对推荐系统的填充攻击：详尽综述。 Artif. Intell. Rev. 2014 论文 文献信息

    Ihsan Gunes, Cihan Kaleli, Alper Bilge, Huseyin Polat

  50. 社交网络与推荐系统的结合：综述。 Int. J. Soc. Netw. Min. 2015 论文 文献信息

    Guandong Xu, Zhiang Wu, Yanchun Zhang, Jie Cao

  51. 社交推荐：回顾。 Soc. Netw. Anal. Min. 2013 论文 文献信息

    Jiliang Tang, Xia Hu, Huan Liu

  52. 面向信任感知推荐系统的深度学习综述。 arXiv 2020 论文 文献信息

    Manqing Dong, Feng Yuan, Lina Yao, Xianzhi Wang, Xiwei Xu, Liming Zhu

  53. 标注感知推荐系统：最新综述。 J. Comput. Sci. Technol. 2011 论文 文献信息

    Zi-Ke Zhang, Tao Zhou, Yi-Cheng Zhang

  54. 走向下一代推荐系统：最前沿和可能扩展的综述。 IEEE Trans. Knowl. Data Eng. 2005 论文 文献信息

    Gediminas Adomavicius, Alexander Tuzhilin

  55. 现代推荐系统中深度学习的应用：近期工作的总结。 arXiv 2017 论文 文献信息

资源与评估

  1. 风格迁移的人类评估回顾。 arXiv 2021 论文 文献信息

    Eleftheria Briakou, Sweta Agrawal, Ke Zhang, Joel R. Tetreault, Marine Carpuat

  2. 带有感官注释的语料库简短综述。 LREC 2020 论文 文献信息 Tommaso Pasini, José Camacho-Collados

  3. 视觉与语言研究的当前数据集综述。 EMNLP 2015 paper bib

    Francis Ferraro, Nasrin Mostafazadeh, Ting-Hao (Kenneth) Huang, Lucy Vanderwende, Jacob Devlin, Michel Galley, Margaret Mitchell

  4. NLG系统评价指标综述。 ACM Comput. Surv. 2023 paper bib

    Ananya B. Sai, Akash Kumar Mohankumar, Mitesh M. Khapra

  5. 词嵌入评估方法综述。 arXiv 2018 paper bib

    Amir Bakarov

  6. 作为NLP评估的文本蕴涵识别综述。 arXiv 2020 paper bib

    Adam Poliak

  7. 超越数据集数量：多语言数据集构建及所需资源综述。 EMNLP 2022 paper bib

    Xinyan Yu, Trina Chatterjee, Akari Asai, Junjie Hu, Eunsol Choi

  8. 带有否定标注的语料库概述。 Comput. Linguistics 2020 paper bib

    Salud María Jiménez Zafra, Roser Morante, María Teresa Martín-Valdivia, Luis Alfonso Ureña López

  9. 自由使用的阿拉伯语语料库综述。 arXiv 2017 paper bib

    Wajdi Zaghouani

  10. 自然语言处理的高效方法综述。 arXiv 2022 paper bib

    Marcos V. Treviso, Tianchu Ji, Ji-Ung Lee, Betty van Aken, Qingqing Cao, Manuel R. Ciosici, Michael Hassid, Kenneth Heafield, Sara Hooker, Pedro Henrique Martins, André F. T. Martins, Peter A. Milder, Colin Raffel, Edwin Simpson, Noam Slonim, Niranjan Balasubramanian, Leon Derczynski, Roy Schwartz

  11. 自然语言推理的最新进展：基准、资源和方法综述。 arXiv 2019 paper bib

    Shane Storks, Qiaozi Gao, Joyce Y Chai

  12. 修复破裂的基础：生成文本评估实践中的障碍综述。 arXiv 2022 paper bib

    Sebastian Gehrmann, Elizabeth Clark, Thibault Sellam

  13. 对话系统的评估方法综述。 Artif. Intell. Rev. 2021 paper bib

    Jan Deriu, Álvaro Rodrigo, Arantxa Otegi, Guillermo Echegoyen, Sophie Rosset, Eneko Agirre, Mark Cieliebak

  14. 公开可用的僧伽罗语自然语言处理工具和研究概述。 arXiv 2019 paper bib

    Nisansa de Silva

  15. NLP方法的人类评估的重大错位问题。 arXiv 2021 paper bib

    Mika Hämäläinen, Khalid Al-Najjar

  16. 朝着聊天机器人评价标准化的方向：综述。 arXiv 2021 paper bib

    Hongru Liang, Huaqing Li

语义

  1. 生物医学句子相似性的重复实验调查：基于字符串的方法达到了最新水平。 arXiv 2022 paper bib

    Alicia Lara-Clares, Juan J. Lastra-Díaz, Ana García-Serrano

  2. 词嵌入和基于本体的方法用于词相似性的重复性调查：线性组合优于现有最先进的方法。 Eng. Appl. Artif. Intell. 2019 paper bib

    Juan J. Lastra-Díaz, Josu Goikoetxea, Mohamed Ali Hadj Taieb, Ana García-Serrano, Mohamed Ben Aouicha, Eneko Agirre

  3. 语义分割的损失函数综述。 CIBCB 2020 paper bib

    Shruti Jadon

  4. 复述和文本蕴涵方法综述。 J. Artif. Intell. Res. 2010 paper bib

    Ion Androutsopoulos, Prodromos Malakasiotis

  5. 基于成分和依存结构的句法-语义解析综述。 arXiv 2020 paper bib

    Meishan Zhang

  6. 语义解析综述。 AKBC 2019 paper bib

    Aishwarya Kamath, Rajarshi Das

  7. 论证链接：综述与展望。 arXiv 2021 paper bib

    William Gantt

  8. 基于语料库的复述检测实验和综述。 Inf. 2020 paper bib

    Tedo Vrbanec, Ana Mestrovic

  9. 历时性词嵌入和语义变迁：综述。 COLING 2018 paper bib

    Andrey Kutuzov, Lilja Øvrelid, Terrence Szymanski, Erik Velldal

  10. 语义距离的分布度量：综述。 arXiv 2012 paper bib

    Saif M. Mohammad, Graeme Hirst

  11. 语义相似性的演变 - 综述。 ACM Comput. Surv. 2022 paper bib

    Dhivya Chandrasekaran, Vijay Mago

  12. 句子相似性度量：综述。 arXiv 2019 paper bib

    Mamdouh Farouk

  13. 文本和知识库的语义搜索。 Found. Trends Inf. Retr. 2016 论文 文献

    Hannah Bast, Björn Buchhold, Elmar Haussmann

  14. 语义、建模和意义表示问题 - 最近文献的简要综述。 arXiv 2014 论文 文献

    Yarin Gal

  15. 词汇语义变化的计算方法综述。 arXiv 2018 论文 文献

    Nina Tahmasebi, Lars Borin, Adam Jatowt

  16. 多语言词义消歧中的知识获取瓶颈问题。 IJCAI 2020 论文 文献

    Tommaso Pasini

  17. 词义消歧：综述。 IJCTCM 2015 论文 文献

    Alok Ranjan Pal, Diganta Saha

  18. 词义消歧：综述。 ACM Comput. Surv. 2009 论文 文献

    Roberto Navigli

情感分析、风格分析和论证挖掘

  1. 跨领域意见分类的全景概述：综述。 Artif. Intell. Rev. 2021 论文 文献

    Rahul Kumar Singh, Manoj Kumar Sachan, R. B. Patel

  2. 基于方面的情感分析的全面综述。 arXiv 2020 论文 文献

    Kaustubh Yadav

  3. 社交媒体中的情感分析综述。 Knowl. Inf. Syst. 2019 论文 文献

    Lin Yue, Weitong Chen, Xue Li, Wanli Zuo, Minghao Yin

  4. 语义隐写系统综述。 arXiv 2022 论文 文献

    João Figueira

  5. 计算文学研究中的情感和情绪分析综述。 arXiv 2018 论文 文献

    Evgeny Kim, Roman Klinger

  6. 自动讽刺检测：综述。 ACM Comput. Surv. 2017 论文 文献

    Aditya Joshi, Pushpak Bhattacharyya, Mark James Carman

  7. 冰山一角下：情感分析研究中的当前挑战和新方向。 arXiv 2020 论文 文献

    Soujanya Poria, Devamanyu Hazarika, Navonil Majumder, Rada Mihalcea

  8. 方面级情感分类的深度学习：综述、愿景与挑战。 IEEE Access 2019 论文 文献

    Jie Zhou, Jimmy Xiangji Huang, Qin Chen, Qinmin Vivian Hu, Tingting Wang, Liang He

  9. 情感分析的深度学习：综述。 arXiv 2018 论文 文献

    Lei Zhang, Shuai Wang, Bing Liu

  10. 会话中的情感识别：研究挑战、数据集及最新进展。 IEEE Access 2019 论文 文献

    Soujanya Poria, Navonil Majumder, Rada Mihalcea, Eduard H. Hovy

  11. 细粒度金融意见挖掘：综述和研究议程。 arXiv 2020 论文 文献

    Chung-Chi Chen, Hen-Hsen Huang, Hsin-Hsi Chen

  12. 负面评论中的积极偏向。 ACL 2021 论文 文献

    Madhusudhan Aithal, Chenhao Tan

  13. 讽刺检测：比较研究。 arXiv 2021 论文 文献

    Hamed Yaghoobian, Hamid R. Arabnia, Khaled Rasheed

  14. 情感分析算法和应用：综述。 Ain Shams Engineering Journal 2014 论文 文献

    Walaa Medhat, Ahmed Hassan, Hoda Korashy

  15. 阿拉伯语言的情感分析：方法和技术的简要综述。 arXiv 2018 论文 文献

    Mo'ath Alrefai, Hossam Faris, Ibrahim Aljarah

  16. 捷克文本的情感分析：算法综述。 ICAART 2019 论文 文献

    Erion Çano, Ondrej Bojar

  17. Twitter数据的情感分析：技术综述。 IJCAI 2016 论文 文献

    Vishal.A.Kharde, Prof. Sheetal.Sonawane

  18. YouTube上的情感分析：简要综述。 arXiv 2015 论文 文献

    Muhammad Zubair Asghar, Shakeel Ahmad, Afsana Marwat, Fazal Masood Kundi

  19. 非英语语言的情感/主观性分析综述。 Soc. Netw. Anal. Min. 2016 论文 文献

    Mohammed Korayem, Khalifeh AlJadda, David J. Crandall

  20. 基于方面的情感分析数据集的调查。 arXiv 2022 论文 文献

    Siva Uday Sampreeth Chebolu, Franck Dernoncourt, Nedim Lipka, Thamar Solorio

  21. 为社会公益而进行的论证挖掘：综述。 ACL 2021 论文 文献

    Eva Maria Vecchi, Neele Falk, Iman Jundi, Gabriella Lapesa

  22. 用于情感分析的词嵌入：全面的实证研究综述。 arXiv 2019 论文 文献

    Erion Çano, Maurizio Morisio

语音和多模态

  1. 手语识别技术和算法的比较分析。 arXiv 2023 论文 文献

    Rupesh Kumar, Ayush Sinha, Ashutosh Bajpai, S. K Singh

  2. 跨模态检索的全面综述。 arXiv 2016 论文 文献

    Kaiye Wang, Qiyue Yin, Wei Wang, Shu Wu, Liang Wang

  3. 多模态表情包分类：综述与开放研究问题。 arXiv 2020 论文 文献 塔里克·哈比布·阿夫里迪, 阿夫塔布·阿拉姆, 穆罕默德·努曼·汗, 贾瓦德·汗, 杨库·李

  4. 调查：AMR到文本的神经网络。 arXiv 2022 论文 参考文献

    韩洪宇, 李光同, 胡志明, 王华峰

  5. 文本到图像合成中的对抗神经网络：调查和分类。 WIREs Data Mining Knowl. Discov. 2020 论文 参考文献

    豪尔赫·阿涅塞, 乔纳森·赫雷拉, 陶海成, 朱星权

  6. 代码转换语音和语言处理的调查。 arXiv 2019 论文 参考文献

    斯纳雅娜·西塔拉姆, Khyathi Raghavi Chandu, 赛·克里希纳·拉拉班迪, 艾伦·W·布莱克

  7. 用于光学字符识别和文件理解的深度学习方法综述。 arXiv 2020 论文 参考文献

    尼尚特·苏布拉玛尼, 亚历山大·马顿, 马尔科姆·格里夫斯, 阿德里安·拉姆

  8. 近代深层神经网络架构在TIMIT音素识别任务中的研究。 TSD 2018 论文 参考文献

    约瑟夫·米哈莱克, 扬·瓦内克

  9. 视觉语言预训练模型的调查。 IJCAI 2022 论文 参考文献

    杜一帆, 刘子康, 李俊义, 赵欣

  10. 语音翻译方法学调查 - 声音方言解码器。 arXiv 2016 论文 参考文献

    汉斯·克鲁帕卡尔, Keerthika Rajvel, Bharathi B, Angel Deborah S, Vallidevi Krishnamurthy

  11. 神经语音合成的调查。 arXiv 2021 论文 参考文献

    谭旭, 秦涛, 弗兰克·K·宋, 刘铁岩

  12. 口语理解的研究进展与新的前沿。 IJCAI 2021 论文 参考文献

    秦立波, 谢天宝, 车万象, 刘廷

  13. 图像描述生成的最新深度学习方法综述。 arXiv 2021 论文 参考文献

    艾哈迈德·伊尔哈插, 卡里玛·卡达伊

  14. 带有口音的语音识别：调查。 arXiv 2021 论文 参考文献

    亚瑟·欣斯瓦克, 娜塔莉·德尔沃斯, 米格尔·德尔里奥, 昆滕·麦克纳马拉, 乔舒亚·东, 瑞安·韦斯特曼, 米歇尔·黄, 约瑟夫·帕拉卡裴利, 詹妮弗·德雷克斯勒, 伊利亚·皮尔金, 尼绍尔·班达里, 米格尔·杰特

  15. 自动图像描述生成：模型、数据集和评估措施的调查。 J. Artif. Intell. Res. 2016 论文 参考文献

    拉法伊拉·贝尔纳迪, 鲁克特·卡基西, 德斯蒙德·艾略特, 阿伊库特·埃尔登, 埃尔库特·埃尔登, 娜兹丽·伊基兹勒-基恩比斯, 弗兰克·凯勒, 阿德里安·穆斯卡特, 芭芭拉·普兰克

  16. 自动语音识别和有限词汇：调查。 arXiv 2021 论文 参考文献

    让·路易斯·K·E·芬吉, 黛安·C·M·塔拉, 布莱斯·O·彦克, 马塞林·阿特姆肯

  17. 使用面部、语音和文本线索进行动态数据中的深度情感识别：调查。 TechRxiv 2021 论文 参考文献

    张涛, 谭震华

  18. 基于深度学习方法的图像字幕生成：调查。 arXiv 2019 论文 参考文献

    王一玉, 徐俊岗, 孙英菲, 何斌

  19. 音频视觉语景中的学习：回顾、分析和新视角。 arXiv 2022 论文 参考文献

    魏亚克, 胡迪, 田亚鹏, 李雪龙

  20. 多模态智能：表示学习、信息融合和应用。 IEEE J. Sel. Top. Signal Process. 2020 论文 参考文献

    张超, 杨自超, 贺晓东, 邓立

  21. 使用变形金刚的多模态学习：调查。 arXiv 2022 论文 参考文献

    徐鹏, 朱侠田, 戴维·A·克里夫顿

  22. 多模态机器学习：调查与分类。 IEEE Trans. Pattern Anal. Mach. Intell. 2019 论文 参考文献

    达达斯·巴尔特鲁塞蒂斯, 查亚特奈·阿胡贾, 路易斯-菲利普·莫伦西

  23. 跨模态任务中基于语言和视觉的变形金刚架构的观点和前景。 Int. J. Comput. Vis. 2022 论文 参考文献

    安德鲁·申, 石井正人, 成平·成屋

  24. 关于视觉和语言模态操作推理：调查。 arXiv 2022 论文 参考文献

    萨米塔·凯尤尔·桑帕特, 马特勒亚·帕特尔, 苏巴希什·达斯, 杨砚周, 奇塔·巴拉尔

  25. 多模态深度学习的最新进展和趋势：综述。 arXiv 2021 论文 参考文献

    贾贝恩·苏迈拉, 李希, 阿敏·穆罕默德·修布, 李松原, 贾巴尔·阿卜杜勒

  26. 引用表达理解：方法和数据集的调查。 IEEE Trans. Multim. 2021 论文 参考文献

    乔艳源, 邓超锐, 吴琦

  27. 基于深度学习的端到端语音合成技术回顾。 arXiv 2021 论文 参考文献

    慕昭西, 杨新宇, 董毅卓

  28. 语音和语言处理。 Stanford 2019 论文 参考文献

    丹·尤拉夫斯基, 詹姆斯·H·马丁

  29. 基于变形金刚的视频-语言预训练的调查。 AI Open 2022 论文 参考文献

    阮璐丹, 晋勤

  30. 野外文本检测和识别：回顾。 arXiv 2020 论文 参考文献

    佐贝尔·赖斯, 穆罕默德·A·奈尔, 保罗·W·菲古斯, 史蒂文·沃德尔, 约翰·S·泽莱克

  31. 野外文本识别：调查。 ACM Comput. Surv. 2022 论文 参考文献

    陈晓雪, 廉文, 朱元之, 骆灿杰, 王天伟

  32. 感谢关注：基于注意力的人工神经网络用于自动语音识别的调查。 arXiv 2021 论文 参考文献

    普石巴拉塔·卡尔马卡尔, 滕世伟, 陆果军

  33. 无监督自动语音识别：回顾。 arXiv 2021 论文 参考文献

    哈南·阿尔达尔马奇, 阿萨德·乌拉, 纳扎尔·扎基

  34. 使用共享结构建模的无监督视觉语言语法归纳。 ICLR 2022 论文 参考文献

    万博, 韩文娟, 郑自龙, 丁尼·图伊特拉尔斯

  35. 视觉+语言应用：综述。 arXiv 2023 论文 参考文献

    Yutong Zhou, Nobutaka Shimada

  36. 视觉与语言导航：任务、方法与未来方向的综述。 ACL 2022 论文 参考文献

    Jing Gu, Eliana Stefani, Qi Wu, Jesse Thomason, Xin Wang

  37. 视觉问答：方法与数据集综述。 Comput. Vis. Image Underst. 2017 论文 参考文献

    Qi Wu, Damien Teney, Peng Wang, Chunhua Shen, Anthony R. Dick, Anton van den Hengel

  38. 视觉问答：数据集、算法和未来挑战。 Comput. Vis. Image Underst. 2017 论文 参考文献

    Kushal Kafle, Christopher Kanan

  39. VLP：视觉-语言预训练的综述。 Int. J. Autom. Comput. 2023 论文 参考文献

    Feilong Chen, Duzhen Zhang, Minglun Han, Xiu-Yi Chen, Jing Shi, Shuang Xu, Bo Xu

摘要

  1. 神经抽象文本摘要中的最新模型综述。 IEEE Access 2021 论文 参考文献

    Ayesha Ayub Syed, Ford Lumban Gaol, Tokuro Matsuo

  2. 跨语言摘要综述。 Trans. Assoc. Comput. Linguistics 2022 论文 参考文献

    Jiaan Wang, Fandong Meng, Duo Zheng, Yunlong Liang, Zhixu Li, Jianfeng Qu, Jie Zhou

  3. 对话摘要综述：近期进展与新前沿。 IJCAI 2022 论文 参考文献

    Xiachong Feng, Xiaocheng Feng, Bing Qin

  4. 基于神经网络的摘要方法综述。 arXiv 2018 论文 参考文献

    Yue Dong

  5. 抽象会议总结：一个综述。 arXiv 2022 论文 参考文献

    Virgile Rennard, Guokan Shang, Julie Hunter, Michalis Vazirgiannis

  6. 抽象摘要：现有技术综述。 AAAI 2019 论文 参考文献

    Hui Lin, Vincent Ng

  7. 自动文本摘要与循证医学：两个领域的综述。 arXiv 2017 论文 参考文献

    Abeed Sarker, Diego Mollá Aliod, Cécile Paris

  8. 文本摘要的自动关键字提取：综述。 arXiv 2017 论文 参考文献

    Santosh Kumar Bharti, Korra Sathya Babu

  9. 科学文章的自动总结：综述。 J. King Saud Univ. Comput. Inf. Sci. 2022 论文 参考文献

    Nouf Ibrahim Altmami, Mohamed El Bachir Menai

  10. 基于深度学习的抽象文本摘要：方法、数据集、评估措施和挑战。 Mathematical Problems in Engineering 2020 论文 参考文献

    Dima Suleiman, Arafat Awajan

  11. 从标准摘要到新任务及以后：多信息摘要。 IJCAI 2020 论文 参考文献

    Shen Gao, Xiuying Chen, Zhaochun Ren, Dongyan Zhao, Rui Yan

  12. 如何评估摘要器：手动语言质量评估的研究设计与统计分析。 EACL 2021 论文 参考文献

    Julius Steen, Katja Markert

  13. 知识感知的文档总结：知识、嵌入方法和架构的综述。 Knowl. Based Syst. 2022 论文 参考文献

    Yutong Qu, Wei Emma Zhang, Jian Yang, Lingfei Wu, Jia Wu

  14. 通过深度学习技术的多文档总结：综述。 ACM Comput. Surv. 2023 论文 参考文献

    Congbo Ma, Wei Emma Zhang, Mingyu Guo, Hu Wang, Quan Z. Sheng

  15. 序列对序列模型的神经抽象文本摘要。 Trans. Data Sci. 2021 论文 参考文献

    Tian Shi, Yaser Keneshloo, Naren Ramakrishnan, Chandan K. Reddy

  16. 近期自动文本摘要技术：综述。 Artif. Intell. Rev. 2017 论文 参考文献

    Mahak Gambhir, Vishal Gupta

  17. 文本总结技术：简要综述。 arXiv 2017 论文 参考文献

    Mehdi Allahyari, Seyed Amin Pouriyeh, Mehdi Assefi, Saeid Safaei, Elizabeth D. Trippe, Juan B. Gutierrez, Krys J. Kochut

  18. 抽象文本总结中的事实不一致问题：综述。 arXiv 2021 论文 参考文献

    Yi-Chong Huang, Xia-Chong Feng, Xiao-Cheng Feng, Bing Qin

  19. 我们在文本摘要中取得了什么成就？. EMNLP 2020 论文 参考文献

    Dandan Huang, Leyang Cui, Sen Yang, Guangsheng Bao, Kun Wang, Jun Xie, Yue Zhang

标注、分块、句法和解析

  1. 零样本跨语言语义解析的跨语言特征综述。 arXiv 2019 论文 参考文献

    Jingfeng Yang, Federico Fancellu, Bonnie L. Webber

  2. 基于成分结构和依存结构的句法-语义解析综述。 arXiv 2020 论文 参考文献

    Meishan Zhang

  3. 深度学习模型在序列标注中的最新进展综述。 arXiv 2020 论文 参考文献

    Zhiyong He, Zanbo Wang, Wei Wei, Shanshan Feng, Xianling Mao, Sheng Jiang

  4. 语义解析综述。 AKBC 2019 论文 参考文献

    Aishwarya Kamath, Rajarshi Das

  5. 从组合性角度看语义解析综述。 arXiv 2020 论文 参考文献

    Pawan Kumar, Srikanta Bedathur

  6. 文本到SQL解析综述：概念、方法及未来方向。 arXiv 2022 论文 参考文献

    Bowen Qin, Binyuan Hui, Lihan Wang, Min Yang, Jinyang Li, Binhua Li, Ruiying Geng, Rongyu Cao, Jian Sun, Luo Si, Fei Huang, Yongbin Li

  7. 上下文相关的语义解析：综述。 COLING 2020 论文 参考文献

    Zhuang Li, Lizhen Qu, Gholamreza Haffari

  8. 神经序列标注的设计挑战与误解。 COLING 2018 论文 参考文献

    Jie Yang, Shuailong Liang, Yue Zhang

  9. 词性标注。 Wiley Interdisciplinary Reviews: Computational Statistics 2011 论文 文献

    Angel R. Martinez

  10. 语义知识计算：语义知识库应用和扩展的最新进展综述。 Frontiers Comput. Sci. 2021 论文 文献

    Fanchao Qi, Ruobing Xie, Yuan Zang, Zhiyuan Liu, Maosong Sun

  11. 句法解析：综述。 Computers and the Humanities 1989 论文 文献

    Alton F. Sanders 和 Ruth H. Sanders

  12. 词嵌入与神经网络中的句法表示 - 综述。 ITAT 2020 论文 文献

    Tomasz Limisiewicz, David Marecek

  13. 语义解析的差距：自动数学文字问题求解器的综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2020 论文 文献

    Dongxiang Zhang, Lei Wang, Luming Zhang, Bing Tian Dai, Heng Tao Shen

文本分类

  1. 利用深度神经网络进行文本分类的主动学习综述。 arXiv 2020 论文 文献

    Christopher Schröder, Andreas Niekler

  2. 朴素贝叶斯机器学习方法在文本文档分类中的综述。 arXiv 2010 论文 文献

    K. A. Vidhya, G. Aghila

  3. 文本分类数据增强的综述。 ACM Comput. Surv. 2023 论文 文献

    Markus Bayer, Marc-André Kaufhold, Christian Reuter

  4. 用于虚假新闻检测的自然语言处理综述。 LREC 2020 论文 文献

    Ray Oshikawa, Jing Qian, William Yang Wang

  5. 用于文本分类的短语结构学习方法综述。 arXiv 2014 论文 文献

    Reshma Prasad, Mary Priya Sebastian

  6. 用于虚假信息和错误信息识别的立场检测综述。 NAACL-HLT 2022 论文 文献

    Momchil Hardalov, Arnav Arora, Preslav Nakov, Isabelle Augenstein

  7. 文本分类：从浅层到深度学习的综述。 arXiv 2020 论文 文献

    Qian Li, Hao Peng, Jianxin Li, Congying Xia, Renyu Yang, Lichao Sun, Philip S. Yu, Lifang He

  8. 文本中的自动语言识别：综述。 J. Artif. Intell. Res. 2019 论文 文献

    Tommi Jauhiainen, Marco Lui, Marcos Zampieri, Timothy Baldwin, Krister Lindén

  9. 基于深度学习的文本分类：全面回顾。 ACM Comput. Surv. 2022 论文 文献

    Shervin Minaee, Nal Kalchbrenner, Erik Cambria, Narjes Nikzad, Meysam Chenaghlu, Jianfeng Gao

  10. 利用立场分类进行假新闻检测的综述。 arXiv 2019 论文 文献

    Anders Edelbo Lillie, Emil Refsgaard Middelboe

  11. 文本分类中的超分布泛化：过去、现在与未来。 arXiv 2023 论文 文献

    Linyi Yang, Yaoxiao Song, Xuan Ren, Chenyang Lyu, Yidong Wang, Lingqiao Liu, Jindong Wang, Jennifer Foster, Yue Zhang

  12. 语义文本分类：过去和最新进展的综述。 Inf. Process. Manag. 2018 论文 文献

    Berna Altinel, Murat Can Ganiz

  13. 文本分类算法综述。 Inf. 2019 论文 文献

    Kamran Kowsari, Kiana Jafari Meimandi, Mojtaba Heidarysafa, Sanjana Mendu, Laura E. Barnes, Donald E. Brown

机器学习论文列表

架构

  1. 深度学习中注意力机制的全面综述。 arXiv 2022 论文 文献

    Gianni Brauwers, Flavius Frasincar

  2. 更快更轻的Transformer实践综述。 arXiv 2021 论文 文献

    Quentin Fournier, Gaétan Marceau Caron, Daniel Aloise

  3. 二值化神经网络的综述。 Electronics 2019 论文 文献

    Taylor Simons, Dah-Jye Lee

  4. 深度学习中的稀疏专家模型综述。 arXiv 2022 论文 文献

    William Fedus, Jeff Dean, Barret Zoph

  5. 深度学习理论与架构的最新综述。 Electronics 2019 论文 文献

    Md Zahangir Alom, Tarek M. Taha, Chris Yakopcic, Stefan Westberg, Paheding Sidike, Mst Shamima Nasrin, Mahmudul Hasan, Brian C. Van Essen, Abdul A. S. Awwal 和 Vijayan K. Asari

  6. 卷积神经网络的综述：分析、应用及前景。 arXiv 2020 论文 文献

    Zewen Li, Wenjie Yang, Shouheng Peng, Fan Liu

  7. 端到端驾驶：架构和训练方法的综述。 arXiv 2020 论文 文献

    Ardi Tampuu, Maksym Semikin, Naveed Muhammad, Dmytro Fishman, Tambet Matiisen

  8. 深度卷积神经网络的最新架构综述。 Artif. Intell. Rev. 2020 论文 文献

    Asifullah Khan, Anabia Sohail, Umme Zahoora, Aqsa Saeed Qureshi

  9. Transformer的综述。 AI Open 2022 论文 文献

    Tianyang Lin, Yuxin Wang, Xiangyang Liu, Xipeng Qiu

  10. 激活函数及其与Xavier和He正态初始化关系的综述。 arXiv 2020 论文 文献

    Leonid Datta

  11. 潜在树模型及其应用综述。 J. Artif. Intell. Res. 2013 论文 文献

    Raphaël Mourad, Christine Sinoquet, Nevin Lianwen Zhang, Tengfei Liu, Philippe Leray

  12. 现代可训练激活函数的综述。 Neural Networks 2021 论文 文献

    Andrea Apicella, Francesco Donnarumma, Francesco Isgrò, Roberto Prevete

  13. 视觉Transformer综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2023 论文 文献

    Kai Han, Yunhe Wang, Hanting Chen, Xinghao Chen, Jianyuan Guo, Zhenhua Liu, Yehui Tang, An Xiao, Chunjing Xu, Yixing Xu, Zhaohui Yang, Yiman Zhang, Dacheng Tao

  14. 注意力模型的深入综述。 ACM Trans. Intell. Syst. Technol. 2021 论文 文献

    Sneha Chaudhari, Varun Mithal, Gungor Polatkan, Rohan Ramanath

  15. 自动编码器简介。 arXiv 2022 论文 参考文献

    乌伯托·米凯卢奇

  16. 用于机器视觉的注意力机制与深度学习：现状调查。 arXiv 2021 论文 参考文献

    阿卜杜勒·穆伊德·哈菲兹，沙比尔·艾哈迈德·帕拉赫，鲁夫·乌尔·阿拉姆·巴特

  17. 计算机视觉中的注意力机制：综述。 Comput. Vis. Media 2022 论文 参考文献

    孟昊·郭，天星·徐，江江·刘，郑宁·刘，彭涛·姜，太江·慕，宋海·张，拉尔夫·R·马丁，明明·程，时敏·胡

  18. 大型网络：综述。 Comput. Sci. Rev. 2020 论文 参考文献

    哈亚特·迪诺·贝德鲁，硕·于，新汝·肖，大·张，良天·万，合·郭，锋·夏

  19. 二进制神经网络：综述。 Pattern Recognit. 2020 论文 参考文献

    昊通·秦，瑞豪·龚，向龙·刘，小·白，京宽·宋，尼库·塞贝

  20. 深度回声状态网络（DeepESN）：简要综述。 arXiv 2017 论文 参考文献

    克劳迪奥·加利奇奥，阿莱西奥·米歇利

  21. 深度树转换 - 简短综述。 INNSBDDL 2019 论文 参考文献

    大卫·巴丘，安东尼奥·布鲁诺

  22. 高效的变压器：综述。 ACM Comput. Surv. 2023 论文 参考文献

    易·泰，莫斯塔法·德哈尼，达拉·巴赫里，唐纳德·梅茨勒

  23. 胶囊学习：综述。 arXiv 2022 论文 参考文献

    法比奥·德·索萨·里贝罗，凯文·杜阿尔特，迈尔斯·埃弗雷特，乔治奥斯·莱昂蒂迪斯，穆巴拉克·沙赫

  24. 因果深度生成模型的机会：综述与未来方向。 arXiv 2023 论文 参考文献

    光林·周，丽娜·姚，西威·徐，陈·王，利明·朱，昆·张

  25. 深度神经网络中的池化方法：综述。 arXiv 2020 论文 参考文献

    侯赛因·戈拉马利内扎德，侯赛因·霍斯拉维

  26. 变压器中的位置信息：概述。 Comput. Linguistics 2022 论文 参考文献

    菲利普·杜福特，马丁·施密特，欣里希·舒特

  27. 卷积神经网络的最新进展。 Pattern Recognit. 2018 论文 参考文献

    九湘·谷，震华·王，杰森·喹恩，连阳·马，阿米尔·沙赫鲁迪，炳·帅，廷·刘，兴兴·王，钢·王，建飞·蔡，楚涵·陈

  28. 和积网络：综述。 arXiv 2020 论文 参考文献

    伊亚戈·巴黎，拉奎尔·桑切斯·卡塞，弗朗西斯科·哈维尔·迪亚兹

  29. 深度神经网络中弃权方法的综述。 arXiv 2019 论文 参考文献

    亚历克斯·拉巴赫，霍贾特·萨莱希内贾德，沙赫鲁·瓦莱伊

  30. 基于注意力的RNN模型及其在计算机视觉中的应用综述。 arXiv 2016 论文 参考文献

    冯·王，大卫·M·J·塔克斯

  31. 历史始于AlexNet：深度学习方法的综合调查。 arXiv 2018 论文 参考文献

    姆德·扎洪吉尔·阿隆，塔雷克·M·塔哈，克里斯托弗·雅科普西奇，斯特凡·韦斯特伯格，帕赫丁·西迪克，姆斯特·沙米玛·纳斯林，布莱恩·C·范·埃森，阿布杜勒·A·S·阿瓦尔，维贾扬·K·阿萨里

  32. NLP食谱：基于现代变压器的深度学习架构。 IEEE Access 2021 论文 参考文献

    须山·辛格，奥西夫·马哈茂德

  33. 视觉中的变压器：综述。 ACM Comput. Surv. 2022 论文 参考文献

    萨尔曼·H·汗，穆扎马尔·纳西尔，穆纳瓦尔·海亚特，赛义德·瓦卡斯·扎米尔，法哈德·沙赫巴兹·汗，穆巴拉克·沙赫

  34. 理解LSTM - 长短期记忆递归神经网络教程。 arXiv 2019 论文 参考文献

    拉尔夫·C·斯托德梅耶，埃里克·罗斯坦·莫里斯

自动机器学习

  1. 神经架构搜索的综合调查：挑战和解决方案。 ACM Comput. Surv. 2022 论文 参考文献

    彭真·任，云·肖，小军·常，博阳·黄，志辉·李，小江·陈，新·王

  2. 推荐系统自动化机器学习的综合调查。 arXiv 2022 论文 参考文献

    博·陈，向宇·赵，叶靖·王，文琪·范，惠峰·郭，瑞明·唐

  3. 面向硬件的神经架构搜索综合调查。 arXiv 2021 论文 参考文献

    哈杰尔·本梅齐安，卡塔尔·埃尔·玛格拉维，哈姆扎·奥阿努吉，斯梅尔·尼亚尔，马丁·威斯图巴，奈刚·王

  4. 基于元强化学习的深度神经网络架构搜索综述。 arXiv 2018 论文 参考文献

    耶斯米娜·贾法，尚·吕克·洛朗，阿琳·德吕沃，穆罕默德·萨贝尔·纳瑟尔

  5. 神经架构搜索综述。 arXiv 2019 论文 参考文献

    马丁·威斯图巴，安布里什·拉沃特，德贾斯维尼·佩达帕蒂

  6. 图上的自动化机器学习：综述。 IJCAI 2021 论文 参考文献

    子维·张，新·王，文武·朱

  7. 深度推荐系统的自动化机器学习：综述。 arXiv 2022 论文 参考文献

    瑞奇·郑，良·瞿，宾·崔，宇辉·石，宏志·尹

  8. 自动机器学习：现状调查。 Knowl. Based Syst. 2021 论文 参考文献

    欣·何，开勇·赵，小文·楚

  9. 自动化机器学习框架的基准与综述。 J. Artif. Intell. Res. 2021 论文 参考文献

    马克-安德烈·佐勒，马可·F·胡伯

  10. 神经架构搜索：综述。 J. Mach. Learn. Res. 2019 论文 参考文献

    托马斯·埃尔斯肯，简·亨德里克·梅岑，弗兰克·胡特尔

  11. 针对神经架构搜索的强化学习：综述。 Image Vis. Comput. 2019 论文 参考文献

    耶斯米娜·贾法，尚·吕克·洛朗，阿琳·德吕沃，穆罕默德·萨贝尔·纳瑟尔

  12. 进化深度学习综述：原理、算法、应用及开放问题。 arXiv 2022 论文 参考文献

    楠·李，连波·马，国·余，炳·薛，孟杰·张，耀楚·金

贝叶斯方法

  1. 贝叶斯非参数模型的非交换先验调查。 IEEE Trans. Pattern Anal. Mach. Intell. 2015 论文 参考文献

    尼古拉斯·J·福蒂，斯内阿德·A·威廉姆森 2. 贝叶斯深度学习调查报告. ACM Comput. Surv. 2021 论文 引用

    Hao Wang, Dit-Yan Yeung

  2. 贝叶斯神经网络: 介绍与调查. arXiv 2020 论文 引用

    Ethan Goan, Clinton Fookes

  3. 贝叶斯非参数空间划分: 调查报告. IJCAI 2021 论文 引用

    Xuhui Fan, Bin Li, Ling Luo, Scott A. Sisson

  4. 深度贝叶斯主动学习, 最近进展的简要调查. arXiv 2020 论文 引用

    Salman Mohamadi, Hamidreza Amindavar

  5. 动手实践贝叶斯神经网络 - 深度学习用户教程. arXiv 2020 论文 引用

    Laurent Valentin Jospin, Wray L. Buntine, Farid Boussaïd, Hamid Laga, Mohammed Bennamoun

  6. 人类脱离环路: 贝叶斯优化研究. Proc. IEEE 2016 论文 引用

    Bobak Shahriari, Kevin Swersky, Ziyu Wang, Ryan P. Adams, Nando de Freitas

分类, 聚类和回归

  1. 连续学习调查: 在分类任务中抵御遗忘. IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 引用

    Matthias De Lange, Rahaf Aljundi, Marc Masana, Sarah Parisot, Xu Jia, Ales Leonardis, Gregory G. Slabaugh, Tinne Tuytelaars

  2. 大数据领域分类技术调查. arXiv 2015 论文 引用

    Praful Koturwar, Sheetal Girase, Debajyoti Mukhopadhyay

  3. 约束高斯过程回归的调查: 方法与实现挑战. arXiv 2020 论文 引用

    Laura P. Swiler, Mamikon Gulian, Ari Frankel, Cosmin Safta, John D. Jakeman

  4. 深度图聚类的调查: 分类法, 挑战与应用. arXiv 2022 论文 引用

    Yue Liu, Jun Xia, Sihang Zhou, Siwei Wang, Xifeng Guo, Xihong Yang, Ke Liang, Wenxuan Tu, Stan Z. Li, Xinwang Liu

  5. Windows恶意软件分类的机器学习方法与挑战调查. arXiv 2020 论文 引用

    Edward Raff, Charles Nicholas

  6. 管理数据失衡问题的分类与解决方法的调查. arXiv 2020 论文 引用

    Khan Md. Hasib, Md. Sadiq Iqbal, Faisal Muhammad Shah, Jubayer Al Mahmud, Mahmudul Hasan Popel, Md. Imran Hossain Showrov, Shakil Ahmed, Obaidur Rahman

  7. 所有分类器可从深度网络中学习的技术调查: 模型, 优化与正则化. arXiv 2019 论文 引用

    Alireza Ghods, Diane J. Cook

  8. 多视角聚类调查. arXiv 2017 论文 引用

    Guoqing Chao, Shiliang Sun, Jinbo Bi

  9. 多标签分类方法的全面比较研究. Expert Syst. Appl. 2022 论文 引用

    Jasmin Bogatinovski, Ljupco Todorovski, Saso Dzeroski, Dragi Kocev

  10. 深度聚类: 全面调查. arXiv 2022 论文 引用

    Yazhou Ren, Jingyu Pu, Zhimeng Yang, Jie Xu, Guofeng Li, Xiaorong Pu, Philip S. Yu, Lifang He

  11. 利用深度学习进行时间序列分类的回顾. Data Min. Knowl. Discov. 2019 论文 引用

    Hassan Ismail Fawaz, Germain Forestier, Jonathan Weber, Lhassane Idoumghar, Pierre-Alain Muller

  12. 你的分类问题有多复杂? 关于分类复杂度测量的调查. arXiv 2018 论文 引用

    Ana Carolina Lorena, Luís Paulo F. Garcia, Jens Lehmann, Marcilio C. P. de Souto, Tin Kam Ho

计算机视觉

  1. 3D人体运动预测: 调查. Neurocomputing 2022 论文 引用

    Kedi Lyu, Haipeng Chen, Zhenguang Liu, Beiqi Zhang, Ruili Wang

  2. 用于自动驾驶的3D目标检测: 调查. Pattern Recognit. 2022 论文 引用

    Rui Qian, Xin Lai, Xirong Li

  3. 从图像进行3D目标检测用于自动驾驶: 调查. arXiv 2022 论文 引用

    Xinzhu Ma, Wanli Ouyang, Andrea Simonelli, Elisa Ricci

  4. 使用Transformer的3D视觉: 调查. arXiv 2022 论文 引用

    Jean Lahoud, Jiale Cao, Fahad Shahbaz Khan, Hisham Cholakkal, Rao Muhammad Anwer, Salman Khan, Ming-Hsuan Yang

  5. 深度学习图像分类任务的自动化数据增强算法调查. arXiv 2022 论文 引用

    Zihan Yang, Richard O. Sinnott, James Bailey, Qiuhong Ke

  6. 计算机视觉模型的黑箱对抗攻击调查. arXiv 2019 论文 引用

    Siddhant Bhambri, Sumanyu Muku, Avinash Tulasi, Arun Balaji Buduru

  7. 深度人脸恢复: 去噪, 超分辨率, 去模糊, 伪影去除的调查报告. arXiv 2022 论文 引用

    Tao Wang, Kaihao Zhang, Xuanxi Chen, Wenhan Luo, Jiankang Deng, Tong Lu, Xiaochun Cao, Wei Liu, Hongdong Li, Stefanos Zafeiriou

  8. 语义分割的损失函数调查. CIBCB 2020 论文 引用

    Shruti Jadon

  9. 现代深度学习目标检测模型的调查. Digit. Signal Process. 2022 论文 引用

    Syed Sahil Abbas Zaidi, Mohammad Samar Ansari, Asra Aslam, Nadia Kanwal, Mamoona Naveed Asghar, Brian Lee

  10. 人体姿态估计的自顶向下方法调查. arXiv 2022 论文 引用

    Thong Duy Nguyen, Milan Kresovic

  11. 视觉语言预训练模型的调查. IJCAI 2022 论文 引用

    Yifan Du, Zikang Liu, Junyi Li, Wayne Xin Zhao

  12. 视觉感知异常检测调查. arXiv 2022 论文 引用

    Xi Jiang, Guoyang Xie, Jinbao Wang, Yong Liu, Chengjie Wang, Feng Zheng, Yaochu Jin

  13. 视觉Transformer的调查. arXiv 2021 论文 引用

    Yang Liu, Yao Zhang, Yixin Wang, Feng Hou, Jin Yuan, Jiang Tian, Yang Zhang, Zhongchao Shi, Jianping Fan, Zhiqiang He

  14. 增强现实, 混合现实和虚拟现实在自然与环境中的应用调查. HCI 2021 论文 引用 Jason R. Rambach, Gergana Lilligreen, Alexander Schäfer, Ramya Bankanal, Alexander Wiebel, Didier Stricker

  15. 深度哈希在图像检索中的研究综述。 arXiv 2020 论文 参考文献

    Xiaopeng Zhang

  16. 深度学习在医学图像分析中的研究综述。 Medical Image Anal. 2017 论文 参考文献

    Geert Litjens, Thijs Kooi, Babak Ehteshami Bejnordi, Arnaud Arindra Adiyoso Setio, Francesco Ciompi, Mohsen Ghafoorian, Jeroen A. W. M. van der Laak, Bram van Ginneken, Clara I. Sánchez

  17. 在视频分割中的深度学习技术综述。 arXiv 2021 论文 参考文献

    Wenguan Wang, Tianfei Zhou, Fatih Porikli, David J. Crandall, Luc Van Gool

  18. 计算机视觉中的图神经网络和图变换器研究综述：任务导向的视角。 arXiv 2022 论文 参考文献

    Chaoqi Chen, Yushuang Wu, Qiyuan Dai, Hong-Yu Zhou, Mutian Xu, Sibei Yang, Xiaoguang Han, Yizhou Yu

  19. 标签高效的深度图像分割综述：弥合弱监督与密集预测之间的差距。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 参考文献

    Wei Shen, Zelin Peng, Xuehui Wang, Huayu Wang, Jiazhong Cen, Dongsheng Jiang, Lingxi Xie, Xiaokang Yang, Qi Tian

  20. 使用LiDAR和摄像头进行视觉地图定位的综述。 arXiv 2022 论文 参考文献

    Mahdi Elhousni, Xinming Huang

  21. 传统点云聚类方法在LiDAR全景分割中的技术综述与评估。 ICCVW 2021 论文 参考文献

    Yiming Zhao, Xiao Zhang, Xinming Huang

  22. 计算机视觉中对抗攻击与防御的进展：综述。 IEEE Access 2021 论文 参考文献

    Naveed Akhtar, Ajmal Mian, Navid Kardan, Mubarak Shah

  23. 在物体识别上的对抗样本：综合研究。 ACM Comput. Surv. 2021 论文 参考文献

    Alexandru Constantin Serban, Erik Poll, Joost Visser

  24. 图像分类中的对抗机器学习：从防御者的角度进行研究综述。 arXiv 2020 论文 参考文献

    Gabriel Resende Machado, Eugênio Silva, Ronaldo Ribeiro Goldschmidt

  25. 情感图像内容分析：二十年的回顾与新视角。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 参考文献

    Sicheng Zhao, Xingxu Yao, Jufeng Yang, Guoli Jia, Guiguang Ding, Tat-Seng Chua, Björn W. Schuller, Kurt Keutzer

  26. 人工神经网络在微生物图像分析中的应用：从传统的多层感知器到流行的卷积神经网络及潜在的视觉变换器的综合回顾。 arXiv 2021 论文 参考文献

    Jinghua Zhang, Chen Li, Marcin Grzegorzek

  27. 自动注视分析：基于深度学习的方法综述。 arXiv 2021 论文 参考文献

    Shreya Ghosh, Abhinav Dhall, Munawar Hayat, Jarrod Knibbe, Qiang Ji

  28. 通过监督弥合图像像素与语义之间的差距：综述。 arXiv 2021 论文 参考文献

    Jiali Duan, C.-C. Jay Kuo

  29. 通过重建学习的组合场景表示：综述。 arXiv 2022 论文 参考文献

    Jinyang Yuan, Tonglin Chen, Bin Li, Xiangyang Xue

  30. 从极度稀疏数据中进行深度深度完成：综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 参考文献

    Junjie Hu, Chenyu Bao, Mete Ozay, Chenyou Fan, Qing Gao, Honghai Liu, Tin Lun Lam

  31. 深度图像去模糊：综述。 Int. J. Comput. Vis. 2022 论文 参考文献

    Kaihao Zhang, Wenqi Ren, Wenhan Luo, Wei-Sheng Lai, Björn Stenger, Ming-Hsuan Yang, Hongdong Li

  32. 深度学习在3D点云理解中的应用：综述。 arXiv 2020 论文 参考文献

    Haoming Lu, Humphrey Shi

  33. 深度学习在具身视觉导航中的应用：综述。 arXiv 2021 论文 参考文献

    Fengda Zhu, Yi Zhu, Xiaodan Liang, Xiaojun Chang

  34. 深度学习在图像超分辨率中的应用：综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2021 论文 参考文献

    Zhihao Wang, Jian Chen, Steven C. H. Hoi

  35. 深度学习在实例检索中的应用：综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2021 论文 参考文献

    Wei Chen, Yu Liu, Weiping Wang, Erwin Bakker, Theodoros Georgiou, Paul Fieguth, Li Liu, Michael S. Lew

  36. 深度学习在场景分类中的应用：综述。 arXiv 2021 论文 参考文献

    Delu Zeng, Minyu Liao, Mohammad Tavakolian, Yulan Guo, Bolei Zhou, Dewen Hu, Matti Pietikäinen, Li Liu

  37. 人类解析的深度学习技术：综述与展望。 arXiv 2023 论文 参考文献

    Lu Yang, Wenhe Jia, Shan Li, Qing Song

  38. 高效高分辨率深度学习：综述。 arXiv 2022 论文 参考文献

    Arian Bakhtiarnia, Qi Zhang, Alexandros Iosifidis

  39. 几何和基于学习的网格去噪：综合综述。 arXiv 2022 论文 参考文献

    Honghua Chen, Mingqiang Wei, Jun Wang

  40. 使用深度学习进行图像分割：综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 参考文献

    Shervin Minaee, Yuri Boykov, Fatih Porikli, Antonio Plaza, Nasser Kehtarnavaz, Demetri Terzopoulos

  41. 图像/视频深度异常检测：综述。 arXiv 2021 论文 参考文献

    Bahram Mohammadi, Mahmood Fathy, Mohammad Sabokrou

  42. 图像到图像的转换：方法和应用。 IEEE Trans. Multim. 2022 论文 参考文献

    Yingxue Pang, Jianxin Lin, Tao Qin, Zhibo Chen

  43. 物体检测中的失衡问题：综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2021 论文 参考文献

    Kemal Oksuz, Baris Can Cam, Sinan Kalkan, Emre Akbas

  44. 用于自动驾驶的毫米波雷达和视觉融合的物体检测：综述。 Sensors 2022 论文 参考文献

    Zhiqing Wei, Fengkai Zhang, Shuo Chang, Yangyang Liu, Huici Wu, Zhiyong Feng

  45. 多模态传感器融合在自动驾驶感知中的应用：综述。 arXiv 2022 论文 参考文献

    Keli Huang, Botian Shi, Xiang Li, Xin Li, Siyuan Huang, Yikang Li

  46. 物体检测20年：综述。 arXiv 2019 论文 参考文献 Zhengxia Zou, Zhenwei Shi, Yuhong Guo, Jieping Ye

  47. 最近的视觉 Transformer 进展综述及展望。 arXiv 2022 论文 bib

    Khawar Islam

  48. 从单目图像恢复 3D 人体网格：综述。 arXiv 2022 论文 bib

    Yating Tian, Hongwen Zhang, Yebin Liu, Limin Wang

  49. 单图像超分辨率方法：综述。 arXiv 2022 论文 bib

    Bahattin Can Maral

  50. 视频中的时间句子定位：综述及未来方向。 arXiv 2022 论文 bib

    Hao Zhang, Aixin Sun, Wei Jing, Joey Tianyi Zhou

  51. 端到端深度人脸识别的要素：近期进展综述。 ACM Comput. Surv. 2022 论文 bib

    Hang Du, Hailin Shi, Dan Zeng, Xiao-Ping Zhang, Tao Mei

  52. 机器学习对图像引导干预中 2D/3D 注册的影响：系统回顾与展望。 Frontiers Robotics AI 2021 论文 bib

    Mathias Unberath, Cong Gao, Yicheng Hu, Max Judish, Russell H. Taylor, Mehran Armand, Robert B. Grupp

  53. 海龟保护的必要性和现状及相关计算机视觉进展的调查。 arXiv 2021 论文 bib

    Aditya Jyoti Paul

  54. 遥感中的 Transformers：综述。 arXiv 2022 论文 bib

    Abdulaziz Amer Aleissaee, Amandeep Kumar, Rao Muhammad Anwer, Salman Khan, Hisham Cholakkal, Gui-Song Xia, Fahad Shahbaz Khan

  55. Transformers 与视觉学习理解：全面回顾。 arXiv 2022 论文 bib

    Yuting Yang, Licheng Jiao, Xu Liu, Fang Liu, Shuyuan Yang, Zhixi Feng, Xu Tang

  56. 深度学习的无监督视频领域适应：全面综述。 arXiv 2022 论文 bib

    Yuecong Xu, Haozhi Cao, Zhenghua Chen, Xiaoli Li, Lihua Xie, Jianfei Yang

对比学习

  1. 对比自监督学习综述。 arXiv 2020 论文 bib

    Ashish Jaiswal, Ashwin Ramesh Babu, Mohammad Zaki Zadeh, Debapriya Banerjee, Fillia Makedon

  2. 对比表示学习：框架与回顾。 IEEE Access 2020 论文 bib

    Phuc H. Le-Khac, Graham Healy, Alan F. Smeaton

  3. 自监督学习：生成还是对比。 arXiv 2020 论文 bib

    Xiao Liu, Fanjin Zhang, Zhenyu Hou, Zhaoyu Wang, Li Mian, Jing Zhang, Jie Tang

课程学习

  1. 课程学习综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 bib

    Xin Wang, Yudong Chen, Wenwu Zhu

  2. 深度强化学习的自动课程学习：简短综述。 IJCAI 2020 论文 bib

    Rémy Portelas, Cédric Colas, Lilian Weng, Katja Hofmann, Pierre-Yves Oudeyer

  3. 强化学习领域的课程学习：框架与综述。 J. Mach. Learn. Res. 2020 论文 bib

    Sanmit Narvekar, Bei Peng, Matteo Leonetti, Jivko Sinapov, Matthew E. Taylor, Peter Stone

  4. 课程学习：综述。 Int. J. Comput. Vis. 2022 论文 bib

    Petru Soviany, Radu Tudor Ionescu, Paolo Rota, Nicu Sebe

数据增强

  1. 数据集蒸馏的全面综述。 arXiv 2023 论文 bib

    Shiye Lei, Dacheng Tao

  2. 深度学习图像增强技术的全面综述。 arXiv 2022 论文 bib

    Mingle Xu, Sook Yoon, Alvaro Fuentes, Dong Sun Park

  3. 基于深度学习的图像分类任务的自动数据增强算法综述。 arXiv 2022 论文 bib

    Zihan Yang, Richard O. Sinnott, James Bailey, Qiuhong Ke

  4. 自然语言处理中的数据增强方法综述。 ACL 2021 论文 bib

    Steven Y. Feng, Varun Gangal, Jason Wei, Sarath Chandar, Soroush Vosoughi, Teruko Mitamura, Eduard H. Hovy

  5. 基于混合数据增强：分类、方法、应用与可解释性。 arXiv 2022 论文 bib

    Chengtai Cao, Fan Zhou, Yurou Dai, Jianping Wang

  6. 深度学习中的图像数据增强综述。 J. Big Data 2019 论文 bib

    Connor Shorten, Taghi M. Khoshgoftaar

  7. 神经网络时间序列分类的数据增强实证调查。 arXiv 2020 论文 bib

    Brian Kenji Iwana, Seiichi Uchida

  8. 自然语言处理中的数据增强方法综述。 AI Open 2022 论文 bib

    Bohan Li, Yutai Hou, Wanxiang Che

  9. 图数据增强技术综述。 arXiv 2022 论文 bib

    Jiajun Zhou, Chenxuan Xie, Zhenyu Wen, Xiangyu Zhao, Qi Xuan

  10. 数据蒸馏：综述。 arXiv 2023 论文 bib

    Noveen Sachdeva, Julian J. McAuley

  11. 数据集蒸馏：全面回顾。 arXiv 2023 论文 bib

    Ruonan Yu, Songhua Liu, Xinchao Wang

  12. 深度学习的时间序列数据增强：综述。 IJCAI 2021 论文 bib

    Qingsong Wen, Liang Sun, Fan Yang, Xiaomin Song, Jingkun Gao, Xue Wang, Huan Xu

深度学习通用方法

  1. 不同变量范式下深度学习因果发现的回顾与路线图。 arXiv 2022 论文 bib

    Hang Chen, Keqing Du, Xinyu Yang, Chenguang Li

  2. 深度主动学习综述。 ACM Comput. Surv. 2022 论文 bib

    Pengzhen Ren, Yun Xiao, Xiaojun Chang, Po-Yao Huang, Zhihui Li, Brij B. Gupta, Xiaojiang Chen, Xin Wang

  3. 边缘网络数据缓存的深度学习综述。 Informatics 2020 论文 bib

    Yantong Wang, Vasilis Friderikos

  4. 深度学习数学推理综述。 arXiv 2022 论文 bib

    Pan Lu, Liang Qiu, Wenhao Yu, Sean Welleck, Kai-Wei Chang

  5. 科学发现中的深度学习综述。 arXiv 2020 论文 bib

    Maithra Raghu, Eric Schmidt

  6. 标签噪声学习表示的回顾：过去，现在和未来。 arXiv 2020 论文 bib

    Bo Han, Quanming Yao, Tongliang Liu, Gang Niu, Ivor W. Tsang, James T. Kwok, Masashi Sugiyama

  7. 神经形态计算和硬件神经网络的综述。 arXiv 2017 论文 bib

    Catherine D. Schuman, Thomas E. Potok, Robert M. Patton, J. Douglas Birdwell, Mark E. Dean, Garrett S. Rose, James S. Plank

  8. 深度神经网络中的不确定性综述。 arXiv 2021 论文 bib

    Jakob Gawlikowski, Cedrique Rovile Njieutcheu Tassi, Mohsin Ali, Jongseok Lee, Matthias Humt, Jianxiang Feng, Anna M. Kruspe, Rudolph Triebel, Peter Jung, Ribana Roscher, Muhammad Shahzad, Wen Yang, Richard Bamler, Xiao Xiang Zhu

  9. 深度主动学习综述：从模型驱动到数据驱动。 arXiv 2020 论文 bib

    Peng Liu, Lizhe Wang, Guojin He, Lei Zhao

  10. 深度神经网络泛化能力的评估：预测不确定性、分布外样本和对抗样本。 arXiv 2020 论文 bib

    Julia Lust, Alexandru Paul Condurache

  11. 概念分解的综述：从浅层到深层表示学习。 信息处理与管理 2021 论文 bib

    Zhao Zhang, Yan Zhang, Mingliang Xu, Li Zhang, Yi Yang, Shuicheng Yan

  12. 深度哈希方法综述。 arXiv 2020 论文 bib

    Xiao Luo, Chong Chen, Huasong Zhong, Hao Zhang, Minghua Deng, Jianqiang Huang, Xiansheng Hua

  13. 带噪声标签的深度学习：在无法信任标注时如何训练模型？ SIBGRAPI 2020 论文 bib

    Filipe R. Cordeiro, Gustavo Carneiro

  14. 动态网络嵌入综述。 arXiv 2020 论文 bib

    Yu Xie, Chunyi Li, Bin Yu, Chen Zhang, Zhouhua Tang

  15. 网络嵌入综述。 IEEE 知识与数据工程汇刊 2019 论文 bib

    Peng Cui, Xiao Wang, Jian Pei, Wenwu Zhu

  16. 网络嵌入教程。 arXiv 2018 论文 bib

    Haochen Chen, Bryan Perozzi, Rami Al-Rfou, Steven Skiena

  17. 神经网络的持续终身学习：综述。 神经网络 2019 论文 bib

    German Ignacio Parisi, Ronald Kemker, Jose L. Part, Christopher Kanan, Stefan Wermter

  18. 边缘计算与深度学习的融合：综合综述。 IEEE 通信综述与教程 2020 论文 bib

    Xiaofei Wang, Yiwen Han, Victor C. M. Leung, Dusit Niyato, Xueqiang Yan, Xu Chen

  19. 深度学习。 自然 2015 论文 bib

    Yann LeCun, Yoshua Bengio, Geoffrey Hinton

  20. 搜索和推荐中的匹配深度学习。 SIGIR 2018 论文 bib

    Jun Xu, Xiangnan He, Hang Li

  21. 深度学习理论综述：最优控制与动力系统视角。 arXiv 2019 论文 bib

    Guan-Horng Liu, Evangelos A. Theodorou

  22. 深度长尾学习：综述。 arXiv 2021 论文 bib

    Yifan Zhang, Bingyi Kang, Bryan Hooi, Shuicheng Yan, Jiashi Feng

  23. 动态神经网络：综述。 IEEE 模式分析与机器智能汇刊 2022 论文 bib

    Yizeng Han, Gao Huang, Shiji Song, Le Yang, Honghui Wang, Yulin Wang

  24. 拥抱变化：深度神经网络中的持续学习。 认知科学趋势 2020 论文 bib

    Raia Hadsell, Dushyant Rao, Andrei A. Rusu, Razvan Pascanu

  25. 几何深度学习：超越欧几里得数据。 IEEE 信号处理杂志 2017 论文 bib

    Michael M. Bronstein, Joan Bruna, Yann LeCun, Arthur Szlam, Pierre Vandergheynst

  26. 模糊推理系统的启发式设计：三十年研究回顾。 工程人工智能应用 2019 论文 bib

    Varun Ojha, Ajith Abraham, Václav Snásel

  27. 模仿学习：进展、分类和挑战。 IEEE 神经网络与学习系统汇刊 2021 论文 bib

    Boyuan Zheng, Sunny Verma, Jianlong Zhou, Ivor W. Tsang, Fang Chen

  28. 通过基于约束的领域知识改进深度学习模型：简要综述。 arXiv 2020 论文 bib

    Andrea Borghesi, Federico Baldo, Michela Milano

  29. 时间序列深度模型的解释：综述。 arXiv 2023 论文 bib

    Ziqi Zhao, Yucheng Shi, Shushan Wu, Fan Yang, Wenzhan Song, Ninghao Liu

  30. 知识增强深度学习及其应用：综述。 arXiv 2022 论文 bib

    Zijun Cui, Tian Gao, Kartik Talamadupula, Qiang Ji

  31. 噪声标签下的深度学习：综述。 arXiv 2020 论文 bib

    Hwanjun Song, Minseok Kim, Dongmin Park, Jae-Gil Lee

  32. 深度学习模型复杂性：综述。 知识与信息系统 2021 论文 bib

    Xia Hu, Lingyang Chu, Jian Pei, Weiqing Liu, Jiang Bian

  33. 网络表示学习：宏观与微观视角。 AI Open 2021 论文 bib

    Xueyi Liu, Jie Tang

  34. 网络表示学习：综述。 IEEE 大数据汇刊 2020 论文 bib

    Daokun Zhang, Jie Yin, Xingquan Zhu, Chengqi Zhang

  35. 网络表示学习：概述。 中国科学:信息科学卷 2017 论文 bib

    Cunchao TU, Cheng YANG, Zhiyuan LIU, Maosong SUN

  36. 神经微分方程。 arXiv 2022 论文 bib

    Patrick Kidger

  37. 深度学习对抗鲁棒性的机会和挑战：综述。 arXiv 2020 论文 引用

    Samuel Henrique Silva，Peyman Najafirad

  38. 偏微分方程与深度神经网络的结合：综述。 arXiv 2022 论文 引用

    Shudong Huang，Wentao Feng，Chenwei Tang，Jiancheng Lv

  39. 深度学习理论的最新进展。 arXiv 2020 论文 引用

    Fengxiang He，Dacheng Tao

  40. 关系归纳偏差、深度学习和图网络。 arXiv 2018 论文 引用

    Peter W. Battaglia，Jessica B. Hamrick，Victor Bapst，Alvaro Sanchez-Gonzalez，Vinícius Flores Zambaldi，Mateusz Malinowski，Andrea Tacchetti，David Raposo，Adam Santoro，Ryan Faulkner，Çaglar Gülçehre，H. Francis Song，Andrew J. Ballard，Justin Gilmer，George E. Dahl，Ashish Vaswani，Kelsey R. Allen，Charles Nash，Victoria Langston，Chris Dyer，Nicolas Heess，Daan Wierstra，Pushmeet Kohli，Matthew M. Botvinick，Oriol Vinyals，Yujia Li，Razvan Pascanu

  41. 表示学习：综述与新视角。 IEEE Trans. Pattern Anal. Mach. Intell. 2013 论文 引用

    Yoshua Bengio，Aaron C. Courville，Pascal Vincent

  42. 综述：用于深度学习的常微分方程。 arXiv 2019 论文 引用

    Xinshi Chen

  43. 深度学习中的稀疏性：剪枝与生长以提高神经网络的高效推理与训练。 J. Mach. Learn. Res. 2021 论文 引用

    Torsten Hoefler，Dan Alistarh，Tal Ben-Nun，Nikoli Dryden，Alexandra Peste

  44. 深度神经网络表达性的综述。 arXiv 2016 论文 引用

    Maithra Raghu，Ben Poole，Jon M. Kleinberg，Surya Ganguli，Jascha Sohl-Dickstein

  45. 使用神经网络进行推理的综述。 arXiv 2017 论文 引用

    Amit Sahu

  46. 大规模神经网络训练的综述。 arXiv 2022 论文 引用

    Julia Gusak，Daria Cherniuk，Alena Shilova，Alexandr Katrutsa，Daniel Bershatsky，Xunyi Zhao，Lionel Eyraud-Dubois，Oleg Shlyazhko，Denis Dimitrov，Ivan V. Oseledets，Olivier Beaumont

  47. 深度学习编译器：全面综述。 IEEE Trans. Parallel Distributed Syst. 2021 论文 引用

    Mingzhen Li，Yi Liu，Xiaoyan Liu，Qingxiao Sun，Xin You，Hailong Yang，Zhongzhi Luan，Lin Gan，Guangwen Yang，Depei Qian

  48. 深度学习的现代数学。 arXiv 2021 论文 引用

    Julius Berner，Philipp Grohs，Gitta Kutyniok，Philipp Petersen

  49. 时间序列数据插补：深度学习方法综述。 arXiv 2020 论文 引用

    Chenguang Fang，Chen Wang

  50. 使用深度学习进行时间序列预测：综述。 arXiv 2020 论文 引用

    Bryan Lim，Stefan Zohren

  51. 变分自编码器教程。 arXiv 2016 论文 引用

    Carl Doersch

深度强化学习

  1. 关于利用强化学习与OPC UA的简短回顾。 arXiv 2023 论文 引用

    Simon Schindler，Martin Uray，Stefan Huber

  2. 基于记忆的强化学习简短综述。 arXiv 2019 论文 引用

    Dhruv Ramani

  3. 概率强化学习简短综述。 arXiv 2019 论文 引用

    Reazul Hasan Russel

  4. 强化学习基准框架的综述。 arXiv 2020 论文 引用

    Belinda Stapelberg，Katherine M. Malan

  5. 解释性强化学习的综述。 arXiv 2022 论文 引用

    Stephanie Milani，Nicholay Topin，Manuela Veloso，Fei Fang

  6. 强化学习中探索策略的综述。 McGill University 2003 论文 引用

    R. McFarlane

  7. 逆向强化学习的挑战、方法与进展综述。 Artif. Intell. 2021 论文 引用

    Saurabh Arora，Prashant Doshi

  8. 动态变化环境中的强化学习算法综述。 ACM Comput. Surv. 2022 论文 引用

    Sindhu Padakandla

  9. 自然语言指导下的强化学习综述。 IJCAI 2019 论文 引用

    Jelena Luketina，Nantas Nardelli，Gregory Farquhar，Jakob N. Foerster，Jacob Andreas，Edward Grefenstette，Shimon Whiteson，Tim Rocktäschel

  10. 强化学习技术综述：策略、最新发展和未来方向。 arXiv 2020 论文 引用

    Amit Kumar Mondal

  11. 深度强化学习中的零样本泛化综述。 J. Artif. Intell. Res. 2023 论文 引用

    Robert Kirk，Amy Zhang，Edward Grefenstette，Tim Rocktäschel

  12. 基于音频应用的深度强化学习综述。 Artif. Intell. Rev. 2023 论文 引用

    Siddique Latif，Heriberto Cuayáhuitl，Farrukh Pervez，Fahad Shamshad，Hafiz Shehbaz Ali，Erik Cambria

  13. 深度强化学习在数据处理和分析中的应用综述。 arXiv 2021 论文 引用

    Qingpeng Cai，Can Cui，Yiyuan Xiong，Wei Wang，Zhongle Xie，Meihui Zhang

  14. 解释性强化学习综述：概念、算法和挑战。 arXiv 2022 论文 引用

    Yunpeng Qing，Shunyu Liu，Jie Song，Mingli Song

  15. 强化学习中的内在动机综述。 arXiv 2019 论文 引用

    Arthur Aubret，Laëtitia Matignon，Salima Hassas

  16. 组合优化中的强化学习综述。 arXiv 2020 论文 引用

    Yunhao Yang，Andrew B. Whinston

  17. 推荐系统中的强化学习综述。 arXiv 2021 论文 引用

    Yuanguo Lin，Yong Liu，Fan Lin，Pengcheng Wu，Wenhua Zeng，Chunyan Miao

  18. 通过在真实机器人上评估深度强化学习算法进行可重复性调查。 CoRL 2019 论文 参考文献

    Nicolai A. Lynnerup, Laura Nolling, Rasmus Hasle, John Hallam

  19. 强化学习中Transformers的调查。 arXiv 2023 论文 参考文献

    Wenzhe Li, Hao Luo, Zichuan Lin, Chongjie Zhang, Zongqing Lu, Deheng Ye

  20. 通过内在奖励适应行为：调查和实证研究。 arXiv 2019 论文 参考文献

    Cam Linke, Nadia M. Ady, Martha White, Thomas Degris, Adam White

  21. 自动化强化学习（AutoRL）：调查和开放问题。 J. Artif. Intell. Res. 2022 论文 参考文献

    Jack Parker-Holder, Raghu Rajan, Xingyou Song, André Biedenkapp, Yingjie Miao, Theresa Eimer, Baohe Zhang, Vu Nguyen, Roberto Calandra, Aleksandra Faust, Frank Hutter, Marius Lindauer

  22. 深度强化学习方法及其在经济学中的应用：全面回顾。 arXiv 2020 论文 参考文献

    Amir Mosavi, Pedram Ghamisi, Yaser Faghan, Puhong Duan

  23. 强化学习领域的课程学习：框架与调查。 J. Mach. Learn. Res. 2020 论文 参考文献

    Sanmit Narvekar, Bei Peng, Matteo Leonetti, Jivko Sinapov, Matthew E. Taylor, Peter Stone

  24. 深度基于模型的强化学习在高维问题中的应用调查。 arXiv 2020 论文 参考文献

    Aske Plaat, Walter Kosters, Mike Preuss

  25. 深度强化学习在自动驾驶中的应用：调查。 IEEE Trans. Intell. Transp. Syst. 2022 论文 参考文献

    B. Ravi Kiran, Ibrahim Sobh, Victor Talpaert, Patrick Mannion, Ahmad A. Al Sallab, Senthil Kumar Yogamani, Patrick Pérez

  26. 深度强化学习用于临床决策支持：简短调查。 arXiv 2019 论文 参考文献

    Siqi Liu, Kee Yuan Ngiam, Mengling Feng

  27. 面向物流和运输系统需求驱动服务的深度强化学习：调查。 arXiv 2021 论文 参考文献

    Zefang Zong, Tao Feng, Tong Xia, Depeng Jin, Yong Li

  28. 面向智能交通系统的深度强化学习：调查。 IEEE Trans. Intell. Transp. Syst. 2022 论文 参考文献

    Ammar Haydari, Yasin Yilmaz

  29. 深度强化学习在量化算法交易中的应用：回顾。 arXiv 2021 论文 参考文献

    Tidor-Vlad Pricope

  30. 深度强化学习：简短调查。 IEEE Signal Process. Mag. 2017 论文 参考文献

    Kai Arulkumaran, Marc Peter Deisenroth, Miles Brundage, Anil Anthony Bharath

  31. 深度强化学习：概览。 arXiv 2017 论文 参考文献

    Yuxi Li

  32. 无导数强化学习：回顾。 Frontiers Comput. Sci. 2021 论文 参考文献

    Hong Qian, Yang Yu

  33. 面向广泛解释性人工智能的可解释强化学习：概念框架和调查。 arXiv 2021 论文 参考文献

    Richard Dazeley, Peter Vamplew, Francisco Cruz

  34. 基于特征的聚合与深度强化学习：调查及一些新实现。 IEEE CAA J. Autom. Sinica 2019 论文 参考文献

    Dimitri P. Bertsekas

  35. 基于模型的强化学习：调查。 arXiv 2020 论文 参考文献

    Thomas M. Moerland, Joost Broekens, Catholijn M. Jonker

  36. 组合优化中的强化学习：调查。 Comput. Oper. Res. 2021 论文 参考文献

    Nina Mazyavkina, Sergey Sviridov, Sergei Ivanov, Evgeny Burnaev

  37. 医疗保健中的强化学习：调查。 arXiv 2019 论文 参考文献

    Chao Yu, Jiming Liu, Shamim Nemati

  38. 强化学习在机器人中的模拟到真实传递：调查。 SSCI 2020 论文 参考文献

    Wenshuai Zhao, Jorge Peña Queralta, Tomi Westerlund

  39. 语言处理中强化学习的调查。 Artif. Intell. Rev. 2023 论文 参考文献

    Víctor Uc-Cetina, Nicolás Navarro-Guerrero, Anabel Martín-González, Cornelius Weber, Stefan Wermter

  40. 深度强化学习中概率图模型和变分推理的教程与调查。 SSCI 2019 论文 参考文献

    Xudong Sun, Bernd Bischl

扩散模型

  1. 生成扩散模型的调查。 arXiv 2022 论文 参考文献

    Hanqun Cao, Cheng Tan, Zhangyang Gao, Guangyong Chen, Pheng-Ann Heng, Stan Z. Li

  2. 医学影像分析中的扩散模型：全面调查。 arXiv 2022 论文 参考文献

    Amirhossein Kazerouni, Ehsan Khodapanah Aghdam, Moein Heidari, Reza Azad, Mohsen Fayyaz, Ilker Hacihaliloglu, Dorit Merhof

  3. 自然语言处理中的扩散模型：调查。 arXiv 2023 论文 参考文献

  4. 视觉中的扩散模型：调查。 arXiv 2022 论文 参考文献

    Florinel-Alin Croitoru, Vlad Hondru, Radu Tudor Ionescu, Mubarak Shah

  5. 扩散模型：方法与应用的全面调查。 arXiv 2022 论文 参考文献

    Ling Yang, Zhilong Zhang, Yang Song, Shenda Hong, Runsheng Xu, Yue Zhao, Yingxia Shao, Wentao Zhang, Ming-Hsuan Yang, Bin Cui

  6. 高效视觉扩散模型：调查。 arXiv 2022 论文 参考文献

    Anwaar Ulhaq, Naveed Akhtar, Ganna Pogrebna

联邦学习

  1. 联邦学习系统调查：数据隐私和保护的愿景、炒作与现实。 arXiv 2019 论文 参考文献

    Qinbin Li, Zeyi Wen, Zhaomin Wu, Sixu Hu, Naibo Wang, Xu Liu, Bingsheng He

  2. 异构联邦学习的调查。 arXiv 2022 论文 参考文献

    Dashan Gao, Xin Yao, Qiang Yang

  3. 在联邦学习系统中实现安全和隐私：调查、研究挑战和未来方向。 Eng. Appl. Artif. Intell. 2021 论文 参考文献 Alberto Blanco-Justicia, Josep Domingo-Ferrer, Sergio Martínez, David Sánchez, Adrian Flanagan, Kuan Eeik Tan

  4. 联邦学习的进展和未决问题. Found. Trends Mach. Learn. 2021 论文 引用

    Peter Kairouz, H. Brendan McMahan, Brendan Avent, Aurélien Bellet, Mehdi Bennis, Arjun Nitin Bhagoji, Kallista A. Bonawitz, Zachary Charles, Graham Cormode, Rachel Cummings, Rafael G. L. D'Oliveira, Hubert Eichner, Salim El Rouayheb, David Evans, Josh Gardner, Zachary Garrett, Adrià Gascón, Badih Ghazi, Phillip B. Gibbons, Marco Gruteser, Zaïd Harchaoui, Chaoyang He, Lie He, Zhouyuan Huo, Ben Hutchinson, Justin Hsu, Martin Jaggi, Tara Javidi, Gauri Joshi, Mikhail Khodak, Jakub Konecný, Aleksandra Korolova, Farinaz Koushanfar, Sanmi Koyejo, Tancrède Lepoint, Yang Liu, Prateek Mittal, Mehryar Mohri, Richard Nock, Ayfer Özgür, Rasmus Pagh, Hang Qi, Daniel Ramage, Ramesh Raskar, Mariana Raykova, Dawn Song, Weikang Song, Sebastian U. Stich, Ziteng Sun, Ananda Theertha Suresh, Florian Tramèr, Praneeth Vepakomma, Jianyu Wang, Li Xiong, Zheng Xu, Qiang Yang, Felix X. Yu, Han Yu, Sen Zhao

  5. 联邦图机器学习: 概念、技术和应用的综述. SIGKDD Explor. 2022 论文 引用

    Xingbo Fu, Binchi Zhang, Yushun Dong, Chen Chen, Jundong Li

  6. 联邦学习的挑战和机遇: 展望. ICASSP 2022 论文 引用

    Jie Ding, Eric Tramel, Anit Kumar Sahu, Shuang Wu, Salman Avestimehr, Tao Zhang

  7. 联邦学习与工业物联网的融合: 综述. arXiv 2021 论文 引用

    Parimala M., R. M. Swarna Priya, Quoc-Viet Pham, Kapal Dev, Praveen Kumar Reddy Maddikunta, Thippa Reddy Gadekallu, Thien Huynh-The

  8. 联邦学习中的隐私与健壮性: 攻击与防御. arXiv 2020 论文 引用

    Lingjuan Lyu, Han Yu, Xingjun Ma, Lichao Sun, Jun Zhao, Qiang Yang, Philip S. Yu

  9. 联邦学习的威胁: 综述. arXiv 2020 论文 引用

    Lingjuan Lyu, Han Yu, Qiang Yang

  10. 在联邦学习中利用无标签数据: 综述与展望. arXiv 2020 论文 引用

    Yilun Jin, Xiguang Wei, Yang Liu, Qiang Yang

小样本和零样本学习

  1. 小样本学习的全面综述: 演变、应用、挑战和机遇. arXiv 2022 论文 引用

    Yisheng Song, Ting Wang, Subrota K. Mondal, Jyoti Prakash Sahoo

  2. 深度强化学习中的零样本泛化综述. J. Artif. Intell. Res. 2023 论文 引用

    Robert Kirk, Amy Zhang, Edward Grefenstette, Tim Rocktäschel

  3. 零样本学习的综述: 设置、方法和应用. ACM Trans. Intell. Syst. Technol. 2019 论文 引用

    Wei Wang, Vincent W. Zheng, Han Yu, Chunyan Miao

  4. 小样本增量学习综述. arXiv 2023 论文 引用

    Songsong Tian, Lusi Li, Weijun Li, Hang Ran, Xin Ning, Prayag Tiwari

  5. 从少量样本中进行机器学习的综述. Pattern Recognition 2020 论文 引用

    Jiang Lu, Pinghua Gong, Jieping Ye, Jianwei Zhang, Changshui Zhang

  6. 从少量样本中进行泛化: 小样本学习综述. ACM Comput. Surv. 2021 论文 引用

    Yaqing Wang, Quanming Yao, James T. Kwok, Lionel M. Ni

  7. 从少量样本中学习: 综述. arXiv 2020 论文 引用

    Nihar Bendre, Hugo Terashima-Marín, Peyman Najafirad

通用机器学习

  1. 离群方面挖掘方法的全面综述. arXiv 2020 论文 引用

    Durgesh Samariya, Jiangang Ma, Sunil Aryal

  2. 机器学习中损失函数的分类和综述. arXiv 2023 论文 引用

    Lorenzo Ciampiconi, Adam Elwood, Marco Leonardi, Ashraf Mohamed, Alessandro Rozza

  3. 自适应共振理论神经网络模型在工程应用中的综述. Neural Networks 2019 论文 引用

    Leonardo Enzo Brito da Silva, Islam Elnabarawy, Donald C. Wunsch II

  4. 降维技术综述. arXiv 2014 论文 引用

    Carlos Oscar Sánchez Sorzano, Javier Vargas, Alberto Domingo Pascual-Montano

  5. 人机互动学习综述. Future Gener. Comput. Syst. 2022 论文 引用

    Xingjiao Wu, Luwei Xiao, Yixuan Sun, Junhang Zhang, Tianlong Ma, Liang He

  6. 利用数据学习因果关系的综述: 问题与方法. ACM Comput. Surv. 2021 论文 引用

    Ruocheng Guo, Lu Cheng, Jundong Li, P. Richard Hahn, Huan Liu

  7. 小数据学习综述. arXiv 2022 论文 引用

    Xiaofeng Cao, Weixin Bu, Shengjun Huang, Ying-Peng Tang, Yaming Guo, Yi Chang, Ivor W. Tsang

  8. 不平衡分布下的预测建模综述. arXiv 2015 论文 引用

    Paula Branco, Luís Torgo, Rita P. Ribeiro

  9. 随机分形搜索算法综述. arXiv 2021 论文 引用

    Mohammed ElKomy

  10. 机器学习的数据收集综述: 大数据 - 人工智能融合角度. IEEE Trans. Knowl. Data Eng. 2021 论文 引用

    Yuji Roh, Geon Heo, Steven Euijong Whang

  11. 分布式机器学习综述. ACM Comput. Surv. 2021 论文 引用

    Joost Verbraeken, Matthijs Wolting, Jonathan Katzy, Jeroen Kloppenburg, Tim Verbelen, Jan S. Rellermeyer

  12. 基于特征加权的K均值算法综述. J. Classif. 2016 论文 引用

    Renato Cordeiro de Amorim

  13. 图核函数综述. Appl. Netw. Sci. 2020 论文 引用

    Nils M. Kriege, Fredrik D. Johansson, Christopher Morris

  14. 大规模机器学习综述. IEEE Trans. Knowl. Data Eng. 2022 论文 引用

    Meng Wang, Weijie Fu, Xiangnan He, Shijie Hao, Xindong Wu

  15. 关于机器学习的最优传输研究综述：理论与应用。 arXiv 2021 论文 引用

    Luis Caicedo Torres, Luiz Manella Pereira, M. Hadi Amini

  16. 关于鲁棒机器学习的研究综述。 arXiv 2017 论文 引用

    Atul Kumar, Sameep Mehta

  17. 关于非负矩阵分解的替代方法的研究综述。 arXiv 2018 论文 引用

    Pascal Fernsel, Peter Maass

  18. 现代机器学习中的对抗示例：回顾。 arXiv 2019 论文 引用

    Rey Reza Wiyatno, Anqi Xu, Ousmane Dia, Archy de Berker

  19. 受自然启发的算法：综述。 arXiv 2019 论文 引用

    Pranshu Gupta

  20. 机器学习中的隐私概述。 arXiv 2020 论文 引用

    Emiliano De Cristofaro

  21. 深度学习模型在大型调查数据缺失值填补中的优势？实证比较的证据。 arXiv 2021 论文 引用

    Zhenhua Wang, Olanrewaju Akande, Jason Poulos, Fan Li

  22. 基于机器学习的嵌入式系统认证：综述。 arXiv 2021 论文 引用

    Guillaume Vidot, Christophe Gabreau, Ileana Ober, Iulian Ober

  23. 类增量学习：综述与性能评估。 arXiv 2020 论文 引用

    Marc Masana, Xialei Liu, Bartlomiej Twardowski, Mikel Menta, Andrew D. Bagdanov, Joost van de Weijer

  24. 数据及其（不）内容：对机器学习研究中数据集开发和使用的调查。 Patterns 2021 论文 引用

    Amandalynne Paullada, Inioluwa Deborah Raji, Emily M. Bender, Emily Denton, Alex Hanna

  25. 在没有真实异常点的情况下生成人工异常点——综述。 ACM Trans. Knowl. Discov. Data 2021 论文 引用

    Georg Steinbuss, Klemens Böhm

  26. 指数族回归模型的分层混合专家方法及其广义线性均值函数：近似和一致性结果的综述。 UAI 1998 论文 引用

    Jiang Wenxin, Martin A. Tanner

  27. 基于超盒子的机器学习算法：全面综述。 Soft Comput. 2021 论文 引用

    Thanh Tung Khuat, Dymitr Ruta, Bogdan Gabrys

  28. 核心集介绍：更新的综述。 arXiv 2020 论文 引用

    Dan Feldman

  29. 基于拉普拉斯的降维方法，包括谱聚类、拉普拉斯特征映射、局部保持投影、图嵌入和扩散映射：教程和综述。 arXiv 2021 论文 引用

    Benyamin Ghojogh, Ali Ghodsi, Fakhri Karray, Mark Crowley

  30. 机器学习前沿的逻辑锁定：发展与机遇综述。 VLSI-SoC 2021 论文 引用

    Dominik Sisejkovic, Lennart M. Reimann, Elmira Moussavi, Farhad Merchant, Rainer Leupers

  31. 网络边缘的机器学习：综述。 ACM Comput. Surv. 2022 论文 引用

    M. G. Sarwar Murshed, Christopher Murphy, Daqing Hou, Nazar Khan, Ganesh Ananthanarayanan, Faraz Hussain

  32. 时空序列预测的机器学习：综述。 arXiv 2018 论文 引用

    Xingjian Shi, Dit-Yan Yeung

  33. 网络中心性度量中的机器学习：教程与展望。 ACM Comput. Surv. 2019 论文 引用

    Felipe Grando, Lisandro Zambenedetti Granville, Luís C. Lamb

  34. 机器学习测试：综述、景观与前景。 IEEE Trans. Software Eng. 2022 论文 引用

    Jie M. Zhang, Mark Harman, Lei Ma, Yang Liu

  35. 重要的机器学习。 ICML 2012 论文 引用

    Kiri Wagstaff

  36. 带有世界知识的机器学习：立场与综述。 arXiv 2017 论文 引用

    Yangqiu Song, Dan Roth

  37. 均场学习：综述。 arXiv 2012 论文 引用

    Hamidou Tembine, Raúl Tempone, Pedro Vilanova

  38. 多维缩放、Sammon映射和Isomap：教程与综述。 arXiv 2020 论文 引用

    Benyamin Ghojogh, Ali Ghodsi, Fakhri Karray, Mark Crowley

  39. 多模态机器学习：综述与分类法。 IEEE Trans. Pattern Anal. Mach. Intell. 2019 论文 引用

    Tadas Baltrusaitis, Chaitanya Ahuja, Louis-Philippe Morency

  40. 多目标多智能体决策：基于效用的分析与综述。 AAMAS 2020 论文 引用

    Roxana Radulescu, Patrick Mannion, Diederik M. Roijers, Ann Nowé

  41. 基于排名的可分解损失在机器学习中的应用：综述。 arXiv 2022 论文 引用

    Shu Hu, Xin Wang, Siwei Lyu

  42. 有理核函数：综述。 arXiv 2019 论文 引用

    Abhishek Ghose

  43. 受约束的连续概率分布采样：回顾。 WIREs Computational Statistics 2022 论文 引用

    Shiwei Lan, Lulu Kang

  44. 统计查询和统计算法：基础与应用。 arXiv 2020 论文 引用

    Lev Reyzin

  45. 概率图模型结构学习：全面综述。 arXiv 2011 论文 引用

    Yang Zhou

  46. 研究与实验：走向学习准确性。 arXiv 2010 论文 引用

    Zeyuan Allen Zhu

  47. 特征选择综述。 arXiv 2015 论文 引用

    Tarek Amr Abdallah, Beatriz de la Iglesia

  48. 多输出学习综述。 IEEE Trans. Neural Networks Learn. Syst. 2020 论文 引用

    Donna Xu, Yaxin Shi, Ivor W. Tsang, Yew-Soon Ong, Chen Gong, Xiaobo Shen

  49. 生产渲染中的机器学习综述。 arXiv 2020 论文 引用 士林 朱

  50. 进化算法中人口多样性的好处：严格运行时间分析的调查。 进化计算理论 2020 论文 bib

    德克·苏德霍尔特

  51. 人工智能的数学。 arXiv 2022 论文 bib

    吉塔 库特尼奥克

  52. 因果代表学习前瞻。 arXiv 2021 论文 bib

    伯纳德·舍尔霍夫, 弗朗切斯科·洛卡泰罗, 斯特凡·鲍尔, 南·罗丝玛丽·科, 纳尔·卡尔奇布伦纳, 阿尼鲁德·戈亚尔, 约舒亚·本吉奥

  53. 面向分布外泛化：调查。 arXiv 2021 论文 bib

    沈哲彦, 刘嘉硕, 何跃, 张星轩, 徐任哲, 于涵, 崔鹏

  54. 机器学习，自主性和神经网络的验证调查。 arXiv 2018 论文 bib

    项伟明, 帕特里克·穆萨乌, 阿亚娜·A·怀尔德, 迭戈·曼萨纳斯·洛佩斯, 内森·汉密尔顿, 杨晓东, 乔尔·A·罗森菲尔德, 泰勒·T·约翰逊

  55. 知识能为机器学习带来什么？ - 面向结构化数据的低样本学习调查。 ACM 智能系统技术交易 2022 论文 bib

    胡杨, 阿德里安·查普曼, 文贵华, 温迪·霍尔

生成对抗网络

  1. 生成对抗网络评论：算法，理论和应用。 arXiv 2020 论文 bib

    季贵, 孙振安, 温永刚, 陶大程, 叶杰平

  2. 深度图生成的调查：方法与应用。 LoG 2022 论文 bib

    朱彦侨, 杜元齐, 王允凯, 徐奕臣, 张捷宇, 刘强, 吴树

  3. 生成对抗网络调查：变体，应用和训练。 ACM 计算机调查 2022 论文 bib

    阿卜杜勒·贾巴尔, 李溪, 伯拉哈·奥马尔

  4. 数据合成与对抗网络：癌症影像中的评论和元分析。 医学影像分析 2023 论文 bib

    理查德·奥苏亚拉, 凯撒·库什巴尔, 利迪亚·加鲁丘, 阿基斯·利纳多斯, 祖萨娜·萨夫拉诺夫斯卡, 斯特凡·克莱因, 本·格洛克, 奥利弗·迪亚兹, 卡里姆·莱卡迪尔

  5. 深度生成建模：VAE、GAN、归一化流、能量和自回归模型的比较评论。 IEEE 模式分析与机器智能交易 2022 论文 bib

    山姆·邦德-泰勒, 亚当·里奇, 杨隆, 克里斯·G·威尔科克斯

  6. 3D表示上的深度生成模型：调查。 arXiv 2022 论文 bib

    施子凡, 彭思达, 徐英豪, 廖翊怡, 沈育军

  7. GAN电脑生成艺术？使用生成对抗网络的视觉艺术，音乐和文学文本生成的调查。 显示 2022 论文 bib

    沙基布·沙赫里亚

  8. GAN反演：调查。 IEEE 模式分析与机器智能交易 2023 论文 bib

    夏伟浩, 张羽仑, 杨禹久, 徐精昊, 周铂磊, 杨明轩

  9. 计算机视觉中的生成对抗网络：调查和分类法。 ACM 计算机调查 2022 论文 bib

    王正维, 佘齐, 托马斯·E·沃德

  10. 人类情感生成中的生成对抗网络：评论。 IEEE Access 2020 论文 bib

    诺希娜·哈贾罗拉斯瓦迪, 米格尔·阿霍那·拉米雷斯, 韦斯利·贝卡罗, 哈桑·德米雷尔

  11. 生成对抗网络：面向私密和安全应用的调查。 arXiv 2021 论文 bib

    蔡志鹏, 熊作斌, 徐洪辉, 王鹏, 李炜, 潘毅

  12. 生成对抗网络：概述。 IEEE 信号处理杂志 2018 论文 bib

    安东尼娅·克雷斯韦尔, 汤姆·怀特, 文森特·杜穆兰, 凯·阿鲁库马兰, 毕斯瓦·森古普塔, 阿尼尔·A·巴拉特

  13. 生成对抗网络及其变体的工作原理：概述。 ACM 计算机调查 2019 论文 bib

    洪永俊, 黄一文, 俞载允, 尹成鲁

  14. 稳定生成对抗网络：调查。 arXiv 2019 论文 bib

    马切·威亚特拉克, 斯特凡诺·V·阿尔布雷赫特, 安德鲁·奈斯特罗姆

图神经网络

  1. 图嵌入的全面调查：问题，技术和应用。 IEEE 知识与数据工程交易 2018 论文 bib

    蔡宏运, 郑文俊, 张乾

  2. 图级学习的全面调查。 arXiv 2023 论文 bib

    杨振宇, 张歌, 吴佳, 杨坚, 盛全智, 薛禅, 周川, 查鲁·C·阿加瓦尔, 彭浩, 胡文斌, 埃德温·汉考克, 皮埃特罗·里奥

  3. 图神经网络的全面调查。 IEEE 神经网络学习系统交易 2021 论文 bib

    吴宗翰, 潘诗蕊, 陈峰文, 龙国栋, 张承祺, 余飞立

  4. 可信图神经网络的全面调查：隐私，鲁棒性，公平性和可解释性。 arXiv 2022 论文 bib

    戴恩彦, 赵天响, 朱怀盛, 徐俊杰, 郭志猛, 刘慧, 唐吉良, 汪舒航

  5. 可解释图神经网络的调查：分类和评估指标。 arXiv 2022 论文 bib

    李逸巧, 周建隆, 桑尼·韦尔马, 陈芳

  6. 计算机视觉中的图神经网络与图变换器的调查：任务导向的视角。 arXiv 2022 论文 bib

    陈朝琪, 吴予双, 戴启源, 周洪宇, 徐母田, 杨思贝, 韩小光, 余一舟

  7. 知识图谱补全的图神经网络调查。 arXiv 2020 论文 bib

    阿若拉

  8. 图结构学习的调查：进展与机遇。 arXiv 2021 论文 bib

    朱彦侨, 徐威祎, 张景浩, 杜元齐, 张捷宇, 刘强, 杨卡尔, 吴树

  9. 异构图嵌入调查：方法，技术，应用和来源。 arXiv 2020 论文 bib

    王晓, 薄德宇, 施川, 范少华, 叶艳芳, 余飞立

  10. 图神经网络的表达能力调查。 arXiv 2020 论文 bib

    佐藤良马

  11. 面向图生成的深度生成模型的系统调查。 arXiv 2020 论文 引用

    郭晓杰, 梁赵

  12. 针对图数据的对抗攻击与防御：一项调查。 arXiv 2018 论文 引用

    孙立超, 王吉, Philip S. Yu, 李博

  13. 自动化图机器学习：方法、库及方向。 arXiv 2022 论文 引用

    王欣, 张子威, 朱文武

  14. 跨越空间和频谱域的差距：图神经网络整体调查。 arXiv 2020 论文 引用

    陈智乾, 陈方兰, 张磊, 吉陶然, 符楷群, 赵梁, 陈锋, 呂昶天

  15. 基于图神经网络的深度强化学习的挑战与机遇：算法与应用的全面审查。 arXiv 2022 论文 引用

    Sai Munikoti, Deepesh Agarwal, Laya Das, Mahantesh Halappanavar, Balasubramaniam Natarajan

  16. 计算图神经网络：从算法到加速器的调查。 ACM Comput. Surv. 2022 论文 引用

    Sergi Abadal, Akshay Jain, Robert Guirado, Jorge López-Alonso, Eduard Alarcón

  17. 深度图相似性学习：一项调查。 Data Min. Knowl. Discov. 2021 论文 引用

    马桂祥, Nesreen K. Ahmed, Theodore L. Willke, Philip S. Yu

  18. 图上的深度学习：一项调查。 IEEE Trans. Knowl. Data Eng. 2022 论文 引用

    张子威, 崔鹏, 朱文武

  19. 分布式图神经网络训练：一项调查。 arXiv 2022 论文 引用

    邵颖霞, 李宏正, 古羲智, 尹洪波, 李耀文, 缪旭鹏, 张文韬, 崔斌, 陈磊

  20. 图神经网络的可解释性：分类调查。 arXiv 2020 论文 引用

    袁浩, 喻海洋, 桂树锐, 冀水望

  21. 图挖掘中的公平性：一项调查。 arXiv 2022 论文 引用

    董玉顺, 马靖, 陈琛, 李军栋

  22. 联邦图机器学习：概念、技术及应用的调查。 SIGKDD Explor. 2022 论文 引用

    傅星波, 张斌驰, 董玉顺, 陈琛, 李军栋

  23. 联邦图神经网络：综述、技术与挑战。 arXiv 2022 论文 引用

    刘锐, 于涵

  24. 利用动态图神经网络对动态图网络的基础和建模：一项调查。 arXiv 2020 论文 引用

    Joakim Skarding, Bogdan Gabrys, Katarzyna Musial

  25. 几何等变图神经网络：一项调查。 arXiv 2022 论文 引用

    韩佳奇, 容羽, 徐廷阳, 黄文炳

  26. 图嵌入技术、应用及性能：一项调查。 Knowl. Based Syst. 2018 论文 引用

    Palash Goyal, Emilio Ferrara

  27. 用于组合优化的图学习：前沿调查。 Data Sci. Eng. 2021 论文 引用

    彭云, Choi Byron, 徐建良

  28. 图学习：一项调查。 IEEE Trans. Artif. Intell. 2021 论文 引用

    夏峰, 孙科, 俞硕, Abdul Aziz, 万良田, 潘士睿, 刘欢

  29. 用于交通预测的图神经网络：一项调查。 Expert Syst. Appl. 2022 论文 引用

    姜薇薇, 罗佳云

  30. 异质图上的图神经网络：一项调查。 arXiv 2022 论文 引用

    郑鑫, 刘益欣, 潘士睿, 张淼, 靳迪, Philip S. Yu

  31. 自然语言处理中的图神经网络：一项调查。 Found. Trends Mach. Learn. 2023 论文 引用

    武凌飞, 陈宇, 沈凯, 郭晓杰, 高瀚宁, 李述成, 裴健, 龙波

  32. 推荐系统中的图神经网络：一项调查。 ACM Comput. Surv. 2023 论文 引用

    吴士文, 孙斐, 张文韬, 谢旭, 崔斌

  33. 图神经网络与神经符号计算的结合：调查与展望。 IJCAI 2020 论文 引用

    Luís C. Lamb, Artur S. d'Avila Garcez, Marco Gori, Marcelo O. R. Prates, Pedro H. C. Avelar, Moshe Y. Vardi

  34. 图神经网络在关系抽取中的生成参数。 ACL 2019 论文 引用

    朱昊, 林演凯, 刘志远, 傅杰, 蔡榕, 孙茂松

  35. 图神经网络：方法与应用的综述。 AI Open 2020 论文 引用

    周杰, 崔甘渠, 胡圣定, 张正炎, 杨成, 刘志远, 王丽凤, 李长城, 孙茂松

  36. 图神经网络：方法、应用及机遇。 arXiv 2021 论文 引用

    Lilapati Waikhom, Ripon Patgiri

  37. 图神经网络：分类、进展及趋势。 arXiv 2020 论文 引用

    周宇, 郑海霞, 黄鑫

  38. 图表示学习：一项调查。 arXiv 2019 论文 引用

    陈风晓, 王运成, 王斌, C.-C. Jay Kuo

  39. 图自监督学习：一项调查。 arXiv 2021 论文 引用

    刘益欣, 潘士睿, 金明, 周川, 夏峰, Philip S. Yu

  40. 基于图的深度学习在医学诊断与分析中的应用：过去、现在与未来。 Sensors 2021 论文 引用

    David Ahmedt-Aristizabal, Mohammad Ali Armin, Simon Denman, Clinton Fookes, Lars Petersson

  41. 图神经网络导论。 人工智能与机器学习综合讲座 2020 论文 引用

    刘志远, 周杰

  42. 图数据表示学习—一项调查。 arXiv 2019 论文 引用

    Mital Kinderkhedia

  43. 图神经网络的元学习：方法与应用. arXiv 2021 论文 参考文献

    Debmalya Mandal, Sourav Medya, Brian Uzzi, Charu Aggarwal

  44. 动态图的表示学习：综述. J. Mach. Learn. Res. 2020 论文 参考文献

    Seyed Mehran Kazemi, Rishab Goel, Kshitij Jain, Ivan Kobyzev, Akshay Sethi, Peter Forsyth, Pascal Poupart

  45. 深度学习模型在图上的鲁棒性：综述. AI Open 2021 论文 参考文献

    Jiarong Xu, Junru Chen, Siqi You, Zhiqing Xiao, Yang Yang, Jiangang Lu

  46. 图神经网络的自监督学习：统一审查. arXiv 2021 论文 参考文献

    Yaochen Xie, Zhao Xu, Zhengyang Wang, Shuiwang Ji

  47. 时空图神经网络：综述. arXiv 2023 论文 参考文献

    Zahraa Al Sahili, Mariette Awad

  48. 基于图像的图神经网络综述. arXiv 2021 论文 参考文献

    Usman Nazir, He Wang, Murtaza Taj

  49. 使用图递归网络解决图形NLP问题. arXiv 2019 论文 参考文献

    Linfeng Song

  50. 图神经网络的分布式系统演变及其在图处理和深度学习中的起源：综述. arXiv 2023 论文 参考文献

    Jana Vatter, Ruben Mayer, Hans-Arno Jacobsen

  51. 图神经网络理论：表现与学习. arXiv 2022 论文 参考文献

    Stefanie Jegelka

  52. 可信的图神经网络：方面、方法与趋势. arXiv 2022 论文 参考文献

    He Zhang, Bang Wu, Xingliang Yuan, Shirui Pan, Hanghang Tong, Jian Pei

解释性与分析

  1. 从可解释的人工智能视角简要综述深度学习模型的可视化方法. macs.hw.ac.uk 2018 论文 参考文献

    Ioannis Chalkiadakis

  2. 可解释强化学习综述. arXiv 2022 论文 参考文献

    Stephanie Milani, Nicholay Topin, Manuela Veloso, Fei Fang

  3. 黑箱模型解释方法综述. ACM Comput. Surv. 2019 论文 参考文献

    Riccardo Guidotti, Anna Monreale, Salvatore Ruggieri, Franco Turini, Fosca Giannotti, Dino Pedreschi

  4. 可解释人工智能 (XAI) 综述：迈向医学XAI. IEEE Trans. Neural Networks Learn. Syst. 2021 论文 参考文献

    Erico Tjoa, Cuntai Guan

  5. 用于序列到序列/时间序列模型的人工神经网络知识集成技术综述. arXiv 2020 论文 参考文献

    Pramod Vadiraja, Muhammad Ali Chattha

  6. 神经网络解释性综述. IEEE Trans. Emerg. Top. Comput. Intell. 2021 论文 参考文献

    Yu Zhang, Peter Tiño, Ales Leonardis, Ke Tang

  7. 监督机器学习的可解释性综述. J. Artif. Intell. Res. 2021 论文 参考文献

    Nadia Burkart, Marco F. Huber

  8. 深度神经网络理解、可视化与解释方法综述. arXiv 2021 论文 参考文献

    Atefeh Shahroudnejad

  9. 黑箱模型解释方法的基准和综述. arXiv 2021 论文 参考文献

    Francesco Bodria, Fosca Giannotti, Riccardo Guidotti, Francesca Naretto, Dino Pedreschi, Salvatore Rinzivillo

  10. 因果可解释性机器学习——问题、方法与评价. SIGKDD Explor. 2020 论文 参考文献

    Raha Moraffah, Mansooreh Karami, Ruocheng Guo, Adrienne Raglin, Huan Liu

  11. 可解释的人工智能 (XAI)：概念、分类法、机遇与挑战，迈向负责任的AI. Inf. Fusion 2020 论文 参考文献

    Alejandro Barredo Arrieta, Natalia Díaz Rodríguez, Javier Del Ser, Adrien Bennetot, Siham Tabik, Alberto Barbado, Salvador García, Sergio Gil-Lopez, Daniel Molina, Richard Benjamins, Raja Chatila, Francisco Herrera

  12. 可解释人工智能方法：综述. arXiv 2021 论文 参考文献

    Sheikh Rabiul Islam, William Eberle, Sheikh Khaled Ghafoor, Mohiuddin Ahmed

  13. 可解释人工智能：综述. MIPRO 2018 论文 参考文献

    Filip Karlo Dosilovic, Mario Brcic, Nikica Hlupic

  14. 可解释的自动事实核查：综述. COLING 2020 论文 参考文献

    Neema Kotonya, Francesca Toni

  15. 可解释的强化学习：综述. CD-MAKE 2020 论文 参考文献

    Erika Puiutta, Eric M. S. P. Veith

  16. 可解释知识启用系统的基础. Knowledge Graphs for eXplainable Artificial Intelligence 2020 论文 参考文献

    Shruthi Chari, Daniel M. Gruen, Oshani Seneviratne, Deborah L. McGuinness

  17. 卷积神经网络如何看待世界——卷积神经网络可视化方法综述. Math. Found. Comput. 2018 论文 参考文献

    Zhuwei Qin, Fuxun Yu, Chenchen Liu, Xiang Chen

  18. 可解释机器学习——简要历史、最新进展与挑战. PKDD/ECML Workshops 2020 论文 参考文献

    Christoph Molnar, Giuseppe Casalicchio, Bernd Bischl

  19. 机器学习的可解释性：方法与评估综述. Electronics 2019 论文 参考文献

    Diogo V. Carvalho, Eduardo M. Pereira, Jaime S. Cardoso

  20. 推荐系统中"为什么"的评估：可解释推荐的全面综述. arXiv 2022 论文 参考文献

    Xu Chen, Yongfeng Zhang, Ji-Rong Wen

  21. 人工神经网络的解释性综述. IEEE Trans. Radiat. Plasma Med. Sci. 2020 论文 参考文献

    Feng-Lei Fan, Jinjun Xiong, Mengzhou Li, Ge Wang

  22. 反事实解释的计算：综述. arXiv 2019 论文 参考文献

    André Artelt, Barbara Hammer

  23. 可解释人工智能（XAI）的机遇和挑战：综述。 arXiv 2020 paper bib

Arun Das, Paul Rad

  1. 窥视黑箱：可解释人工智能（XAI）的综述。 IEEE Access 2018 paper bib

Amina Adadi, Mohammed Berrada

  1. 具有可视化和细粒度方法的可解释机器学习的综述。 arXiv 2020 paper bib

Boris Kovalerchuk, Muhammad Aurangzeb Ahmad, Ankur Teredesai

  1. 朝向透明的AI：解读深度神经网络内部结构的综述。 arXiv 2022 paper bib

Tilman Räuker, Anson Ho, Stephen Casper, Dylan Hadfield-Menell

  1. 通过特征可视化理解神经网络：综述。 Explainable AI 2019 paper bib

Anh Nguyen, Jason Yosinski, Jeff Clune

  1. 深度学习中的可视化分析：下一前沿的探索性综述。 IEEE Trans. Vis. Comput. Graph. 2019 paper bib

Fred Hohman, Minsuk Kahng, Robert S. Pienta, Duen Horng Chau

  1. 深度学习的视觉可解释性：综述。 Frontiers Inf. Technol. Electron. Eng. 2018 paper bib

Quanshi Zhang, Song-Chun Zhu

  1. 帕累托前沿近似的可视化：短综述和实证比较。 CEC 2019 paper bib

Huiru Gao, Haifeng Nie, Ke Li

  1. 雾霾何时会清除？：可解释性在医学应用中的机器学习的综述。 arXiv 2020 paper bib

Antonio-Jesús Banegas-Luna, Jorge Peña-García, Adrian Iftene, Fiorella Guadagni, Patrizia Ferroni, Noemi Scarpato, Fabio Massimo Zanzotto, Andrés Bueno-Crespo, Horacio Pérez Sánchez

  1. 用于神经时间序列分类的XAI方法：简要回顾。 arXiv 2021 paper bib

Ilija Simic, Vedran Sabol, Eduardo E. Veas

知识蒸馏

  1. 神经网络模型的通用知识蒸馏范式选择性综述。 arXiv 2020 paper bib

Jeong-Hoe Ku, Jihun Oh, Young-Yoon Lee, Gaurav Pooniwala, SangJeong Lee

  1. 在神经网络中蒸馏知识。 arXiv 2015 paper bib

Geoffrey E. Hinton, Oriol Vinyals, Jeffrey Dean

  1. 知识蒸馏：综述。 Int. J. Comput. Vis. 2021 paper bib

Jianping Gou, Baosheng Yu, Stephen J. Maybank, Dacheng Tao

元学习

  1. 元学习的最新进展的全面概述和综述。 arXiv 2020 paper bib

Huimin Peng

  1. 深度元学习的综述。 Artif. Intell. Rev. 2021 paper bib

Mike Huisman, Jan N. van Rijn, Aske Plaat

  1. 元强化学习综述。 arXiv 2023 paper bib

Jacob Beck, Risto Vuorio, Evan Zheran Liu, Zheng Xiong, Luisa M. Zintgraf, Chelsea Finn, Shimon Whiteson

  1. 用于少样本自然语言处理的元学习：综述。 arXiv 2020 paper bib

Wenpeng Yin

  1. 神经网络中的元学习：综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 paper bib

Timothy M. Hospedales, Antreas Antoniou, Paul Micaelli, Amos J. Storkey

  1. 元学习：综述。 arXiv 2018 paper bib

Joaquin Vanschoren

度量学习

  1. 特征向量和结构化数据的度量学习综述。 arXiv 2013 paper bib

Aurélien Bellet, Amaury Habrard, Marc Sebban

  1. 距离度量学习教程：数学基础、算法、实验分析、前景与挑战。 Neurocomputing 2021 paper bib

Juan-Luis Suárez, Salvador García, Francisco Herrera

机器学习和深度学习的应用

  1. 基于深度学习的社区检测的综合综述。 arXiv 2021 paper bib

Xing Su, Shan Xue, Fanzhen Liu, Jia Wu, Jian Yang, Chuan Zhou, Wenbin Hu, Cécile Paris, Surya Nepal, Di Jin, Quan Z. Sheng, Philip S. Yu

  1. 深度音乐生成的综合综述：多层次表征、算法、评估和未来方向。 arXiv 2020 paper bib

Shulei Ji, Jing Luo, Xinyu Yang

  1. 基于深度学习的图异常检测的综合综述。 arXiv 2021 paper bib

Xiaoxiao Ma, Jia Wu, Shan Xue, Jian Yang, Quan Z. Sheng, Hui Xiong

  1. 机器学习方法和用户认证在信用卡欺诈检测中的应用综述。 arXiv 2019 paper bib

Niloofar Yousefi, Marie Alaghband, Ivan Garibay

  1. 医疗保健中的深度学习指南。 Nature Medicine 2019 paper bib

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar, Volodymyr Kuleshov, Mark DePristo, Katherine Chou, Claire Cui, Greg Corrado, Sebastian Thrun, Jeff Dean

  1. 社区检测方法综述：从统计建模到深度学习。 IEEE Trans. Knowl. Data Eng. 2023 paper bib

Di Jin, Zhizhi Yu, Pengfei Jiao, Shirui Pan, Dongxiao He, Jia Wu, Philip S. Yu, Weixiong Zhang

  1. 深度学习在自动驾驶控制中的应用综述。 IEEE Trans. Intell. Transp. Syst. 2021 paper bib

Sampo Kuutti, Richard Bowden, Yaochu Jin, Phil Barber, Saber Fallah

  1. 用于自动驾驶的深度学习技术的综述。 J. Field Robotics 2020 paper bib

Sorin Mihai Grigorescu, Bogdan Trasnea, Tiberiu T. Cocias, Gigel Macesanu

  1. 计算机体系结构和系统中的机器学习综述。 ACM Comput. Surv. 2023 paper bib

Nan Wu, Yuan Xie

  1. 从影像中检测和诊断COVID-19的机器学习技术综述。 Quant. Biol. 2022 paper bib

Aishwarza Panday, Muhammad Ashad Kabir, Nihad Karim Chowdhury

  1. 使用LSTM网络进行技术系统异常检测的综述。 Comput. Ind. 2021 paper bib Benjamin Lindemann, Benjamin Maschler, Nada Sahlab, Michael Weyrich

  2. 基于深度学习的非侵入性脑信号综述：最新进展和新前沿《神经工程学杂志》2019 论文 bib

    Xiang Zhang, Lina Yao, Xianzhi Wang, Jessica Monaghan, David McAlpine, Yu Zhang

  3. 机器学习应用于动态物理系统的调查 arXiv 2020 论文 bib

    Sagar Verma

  4. 多臂和上下文强盗的实际应用综述 arXiv 2019 论文 bib

    Djallel Bouneffouf, Irina Rish

  5. 空间和时空预测方法综述 arXiv 2020 论文 bib

    Zhe Jiang

  6. 人工智能在精神分裂症预测和诊断中的作用综述 arXiv 2023 论文 bib

    Narges Ramesh, Yasmin Ghodsi, Hamidreza Bolhasani

  7. 利用人工智能和机器学习抗击COVID-19大流行的研究综述 arXiv 2020 论文 bib

    Muhammad Nazrul Islam, Toki Tahmid Inan, Suzzana Rafi, Syeda Sabrina Akter, Iqbal H. Sarker, A. K. M. Najmul Islam

  8. 交通信号控制方法综述 arXiv 2019 论文 bib

    Hua Wei, Guanjie Zheng, Vikash V. Gayah, Zhenhui Li

  9. 美学、个性化和推荐：时尚中的深度学习综述 arXiv 2021 论文 bib

    Wei Gong, Laila Khalid

  10. 人工智能和机器学习加速器的研究综述和趋势 HPEC 2022 论文 bib

    Albert Reuther, Peter Michaleas, Michael Jones, Vijay Gadepally, Siddharth Samsi, Jeremy Kepner

  11. 基于人工神经网络的无线网络机器学习教程 IEEE Commun. Surv. Tutorials 2019 论文 bib

    Mingzhe Chen, Ursula Challita, Walid Saad, Changchuan Yin, Mérouane Debbah

  12. 边缘计算中的自动驾驶车辆：自动驾驶赛车综述 arXiv 2022 论文 bib

    Johannes Betz, Hongrui Zheng, Alexander Liniger, Ugo Rosolia, Phillip Karle, Madhur Behl, Venkat Krovi, Rahul Mangharam

  13. 病理性和正常步态分类综述 arXiv 2020 论文 bib

    Ryan C. Saxe, Samantha Kappagoda, David K. A. Mordecai

  14. 基于患者调查数据的COVID-19诊断分类 arXiv 2020 论文 bib

    Joanna Henzel, Joanna Tobiasz, Michal Kozielski, Malgorzata Bach, Pawel Foszner, Aleksandra Gruca, Mateusz Kania, Justyna Mika, Anna Papiez, Aleksandra Werner, Joanna Zyla, Jerzy Jaroszewicz, Joanna Polanska, Marek Sikora

  15. 材料微观结构分析的计算机视觉方法：现状与未来展望 arXiv 2022 论文 bib

    Khaled Alrfou, Amir Kordijazi, Tian Zhao

  16. 信用卡欺诈检测使用机器学习：综述 arXiv 2020 论文 bib

    Yvan Lucas, Johannes Jurgovsky

  17. 跨模态神经图像合成：综述 arXiv 2022 论文 bib

    Guoyang Xie, Jinbao Wang, Yawen Huang, Yefeng Zheng, Feng Zheng, Yaochu Jin

  18. 深度学习在生物科学中的应用进展与开放挑战 Nat. Commun 2022 论文 bib

    Nicolae Sapoval, Amirali Aghazadeh, Michael G. Nute, Dinler A. Antunes, Advait Balaji, Richard Baraniuk, C. J. Barberan, Ruth Dannenfelser, Chen Dun, Mohammadamin Edrisi, R. A. Leo Elworth, Bryce Kille, Anastasios Kyrillidis, Luay Nakhleh, Cameron R. Wolfe, Zhi Yan, Vicky Yao & Todd J. Treangen

  19. 点击率估计的深度学习 IJCAI 2021 论文 bib

    Weinan Zhang, Jiarui Qin, Wei Guo, Ruiming Tang, Xiuqiang He

  20. 时空大数据挖掘的深度学习方法综述 IEEE Trans. Knowl. Data Eng. 2022 论文 bib

    Senzhang Wang, Jiannong Cao, Philip S. Yu

  21. 预测性维护的深度学习模型：综述、比较、挑战和前景 arXiv 2020 论文 bib

    Oscar Serradilla, Ekhi Zugasti, Urko Zurutuza

  22. 基于深度学习的航天器相对导航方法综述 arXiv 2021 论文 bib

    Jianing Song, Duarte Rondao, Nabil Aouf

  23. 预见不到：非语言社会人类行为预测综述 DYAD@ICCV 2021 论文 bib

    Germán Barquero, Johnny Núñez, Sergio Escalera, Zhen Xu, Wei-Wei Tu, Isabelle Guyon, Cristina Palmero

  24. DL-Traff: 深度学习模型在城市交通预测中的调查和基准 CIKM 2021 论文 bib

    Renhe Jiang, Du Yin, Zhaonan Wang, Yizhuo Wang, Jiewen Deng, Hangchen Liu, Zekun Cai, Jinliang Deng, Xuan Song, Ryosuke Shibasaki

  25. 大数据时代的事件预测：系统综述 ACM Comput. Surv. 2022 论文 bib

    Liang Zhao

  26. 时尚遇上计算机视觉：综述 ACM Comput. Surv. 2022 论文 bib

    Wen-Huang Cheng, Sijie Song, Chieh-Yun Chen, Shintami Chusnul Hidayati, Jiaying Liu

  27. 深入了解人脸检测：综述 arXiv 2021 论文 bib

    Shervin Minaee, Ping Luo, Zhe Lin, Kevin W. Bowyer

  28. 生物医学中的图表示学习 arXiv 2021 论文 bib

    Michelle M. Li, Kexin Huang, Marinka Zitnik

  29. 通信网络中的基于图的深度学习：综述 Comput. Commun. 2022 论文 bib

    Weiwei Jiang

  30. 开发人员如何迭代机器学习工作流 - 应用机器学习文献综述 arXiv 2018 论文 bib

    Doris Xin, Litian Ma, Shuchen Song, Aditya G. Parameswaran

  31. 多数据模态下的动作识别：回顾 IEEE Trans. Pattern Anal. Mach. Intell. 2023 论文 bib

    Zehua Sun, Qiuhong Ke, Hossein Rahmani, Mohammed Bennamoun, Gang Wang, Jun Liu

  32. 已知算子学习与混合机器学习在医学影像中的应用——过去、现在与未来的综述。 arXiv 2021 论文 引用

Andreas Maier, Harald Köstler, Marco Heisig, Patrick Krauss, Seung Hee Yang

  1. 机器学习辅助静态恶意软件分析：综述与教程。 arXiv 2018 论文 引用

Andrii Shalaginov, Sergii Banin, Ali Dehghantanha, Katrin Franke

  1. 机器学习与深度学习——生态学家的综述。 生态学与进化方法 2022 论文 引用

Maximilian Pichler, Florian Hartig

  1. 用于眼科影像中的白内障分类和分级的机器学习方法：综述。 arXiv 2020 论文 引用

Xiaoqing Zhang, Jiansheng Fang, Yan Hu, Yanwu Xu, Risa Higashita, Jiang Liu

  1. 电子设计自动化中的机器学习：综述。 ACM 设计自动化电子系统汇刊 2021 论文 引用

Guyue Huang, Jingbo Hu, Yifan He, Jialong Liu, Mingyuan Ma, Zhaoyang Shen, Juejian Wu, Yuanfan Xu, Hengrui Zhang, Kai Zhong, Xuefei Ning, Yuzhe Ma, Haoyu Yang, Bei Yu, Huazhong Yang, Yu Wang

  1. 生存分析中的机器学习：综述。 ACM 计算调查 2019 论文 引用

Ping Wang, Yan Li, Chandan K. Reddy

  1. 利用三维卷积神经网络进行医学图像分割：综述。 神经计算 2022 论文 引用

S. Niyas, S. J. Pawan, M. Anand Kumar, Jeny Rajan

  1. MolGenSurvey: 面向分子设计的机器学习模型系统综述。 arXiv 2022 论文 引用

Yuanqi Du, Tianfan Fu, Jimeng Sun, Shengchao Liu

  1. 自动驾驶感知中的多模态传感器融合：综述。 arXiv 2022 论文 引用

Keli Huang, Botian Shi, Xiang Li, Xin Li, Siyuan Huang, Yikang Li

  1. 面向动力系统的物理引导深度学习：综述。 arXiv 2021 论文 引用

Rui Wang

  1. 物理信息机器学习：问题、方法和应用的综述。 arXiv 2022 论文 引用

Zhongkai Hao, Songming Liu, Yichi Zhang, Chengyang Ying, Yao Feng, Hang Su, Jun Zhu

  1. 从第一人称视角预测未来：综述。 计算机视觉与图像理解 2021 论文 引用

Ivan Rodin, Antonino Furnari, Dimitrios Mavroeidis, Giovanni Maria Farinella

  1. 利用多重调查数据链接预测撒哈拉以南非洲国家的新生儿死亡率。 arXiv 2020 论文 引用

Girmaw Abebe Tadesse, Celia Cintas, Skyler Speakman, Komminist Weldemariam

  1. AI密集型系统开发的需求工程挑战。 WAIN@ICSE 2021 论文 引用

Hans-Martin Heyn, Eric Knauss, Amna Pir Muhammad, Olof Eriksson, Jennifer Linder, Padmini Subbiah, Shameer Kumar Pradhan, Sagar Tungal

  1. 使用深度神经网络进行短期交通预测：综述。 IEEE访问 2021 论文 引用

Kyungeun Lee, Moonjung Eo, Euna Jung, Yoonjin Yoon, Wonjong Rhee

  1. 是否应拉响红色警报？缓解虚假警报的异常评分方法全面综述。 arXiv 2019 论文 引用

Zahra Zohrevand, Uwe Glässer

  1. 网络安全中机器学习领域的对抗性攻击威胁：综述。 arXiv 2019 论文 引用

Olakunle Ibitoye, Rana Abou Khamis, Ashraf Matrawy, M. Omair Shafiq

  1. 计算机视觉中深度学习的对抗性攻击威胁：综述。 IEEE访问 2018 论文 引用

Naveed Akhtar, Ajmal S. Mian

  1. 使用条件Transformer进行可控蛋白质设计。 自然机器智能 2022 论文 引用

Noelia Ferruz, Birte Höcker

  1. Transformer在遥感中的应用：综述。 arXiv 2022 论文 引用

Abdulaziz Amer Aleissaee, Amandeep Kumar, Rao Muhammad Anwer, Salman Khan, Hisham Cholakkal, Gui-Song Xia, Fahad Shahbaz Khan

  1. Transformer在时间序列中的应用：综述。 arXiv 2022 论文 引用

Qingsong Wen, Tian Zhou, Chaoli Zhang, Weiqi Chen, Ziqing Ma, Junchi Yan, Liang Sun

  1. 使用医疗支出面板调查数据理解健康中的种族偏见。 arXiv 2019 论文 引用

Moninder Singh, Karthikeyan Natesan Ramamurthy

  1. 使用机器学习从时空数据预测城市流量：综述。 arXiv 2019 论文 引用

Peng Xie, Tianrui Li, Jia Liu, Shengdong Du, Xin Yang, Junbo Zhang

  1. 利用深度学习进行大脑活动的视觉解码和重建：综述。 arXiv 2021 论文 引用

Madison Van Horn

  1. 使用图机器学习进行药物发现和开发。 arXiv 2020 论文 引用

Thomas Gaudelet, Ben Day, Arian R. Jamasb, Jyothish Soman, Cristian Regep, Gertrude Liu, Jeremy B. R. Hayter, Richard Vickers, Charles Roberts, Jian Tang, David Roblin, Tom L. Blundell, Michael M. Bronstein, Jake P. Taylor-King

模型压缩与加速

  1. 深度神经网络模型压缩与加速综述。 arXiv 2017 论文 引用

Yu Cheng, Duo Wang, Pan Zhou, Tao Zhang

  1. 有效神经网络推理的量化方法综述。 arXiv 2021 论文 引用

Amir Gholami, Sehoon Kim, Zhen Dong, Zhewei Yao, Michael W. Mahoney, Kurt Keutzer

  1. 深度神经网络压缩综述：挑战、概述与解决方案。 arXiv 2020 论文 引用

Rahul Mishra, Hari Prabhat Gupta, Tanima Dutta

  1. 使用内存压缩技术的GAN加速综述。 arXiv 2021 论文 引用

Dina Tantawy, Mohamed Zahran, Amr Wassal

  1. 量化神经网络的方法与理论综述。 arXiv 2018 论文 引用

Yunhui Guo

  1. 预训练语言模型的压缩与加速综述。 arXiv 2022 论文 引用 许灿文, Julian J. McAuley

  2. 神经网络压缩概述。 arXiv 2020 论文 引用

    James O'Neill

  3. 文本深度学习模型压缩：综述。 ACM Trans. Knowl. Discov. Data 2022 论文 引用

    Manish Gupta, Puneet Agrawal

  4. 通过修剪和冻结深度神经网络部分来减少维度的训练综述。 arXiv 2022 论文 引用

    Paul Wimmer, Jens Mehnert, Alexandru Paul Condurache

  5. 高效的深度学习：使深度学习模型更小、更快、更好的综述。 arXiv 2021 论文 引用

    Gaurav Menghani

  6. 加速边缘应用的卷积神经网络的剪枝算法综述。 arXiv 2020 论文 引用

    Jiayi Liu, Samarth Tripathi, Unmesh Kurup, Mohak Shah

  7. 深度神经网络加速的剪枝和量化：综述。 arXiv 2021 论文 引用

    Tailin Liang, John Glossner, Lei Wang, Shaobo Shi

  8. 机器学习加速器调查。 HPEC 2020 论文 引用

    Albert Reuther, Peter Michaleas, Michael Jones, Vijay Gadepally, Siddharth Samsi, Jeremy Kepner

  9. 大规模神经网络训练的调查。 arXiv 2022 论文 引用

    Julia Gusak, Daria Cherniuk, Alena Shilova, Alexandr Katrutsa, Daniel Bershatsky, Xunyi Zhao, Lionel Eyraud-Dubois, Oleg Shlyazhko, Denis Dimitrov, Ivan V. Oseledets, Olivier Beaumont

多标签学习

  1. 多标签学习算法综述。 IEEE Trans. Knowl. Data Eng. 2014 论文 引用

    张民灵, 周志华

  2. 多标签分类概述。 Int. J. Data Warehous. Min. 2007 论文 引用

    Grigorios Tsoumakas, Ioannis Katakis

  3. 多标签学习：现状和正在进行的研究综述。 WIREs Data Mining Knowl. Discov. 2014 论文 引用

    Eva Lucrecia Gibaja Galindo, Sebastián Ventura

  4. 多标签学习的新兴趋势。 arXiv 2020 论文 引用

    刘伟伟, 沈小波, 王浩波, Ivor W. Tsang

多任务和多视角学习

  1. 多任务学习简要综述。 Multim. Tools Appl. 2018 论文 引用

    Kim-Han Thung, Chong-Yaw Wee

  2. 多任务学习综述。 IEEE Trans. Knowl. Data Eng. 2022 论文 引用

    张凯, 杨强

  3. 多视角学习综述。 arXiv 2013 论文 引用

    徐畅, 陶大成, 徐超

  4. 多任务学习概述。 National Science Review 2017 论文 引用

    张凯, 杨强

  5. 深度神经网络中的多任务学习概述。 arXiv 2017 论文 引用

    Sebastian Ruder

  6. 密集预测任务的多任务学习：综述。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 引用

    Simon Vandenhende, Stamatios Georgoulis, Wouter Van Gansbeke, Marc Proesmans, Dengxin Dai, Luc Van Gool

  7. 2020年代自然语言处理中的多任务学习：我们将走向何方？。 Pattern Recognit. Lett. 2020 论文 引用

    Joseph Worsham, Jugal Kalita

  8. 深度神经网络的多任务学习：综述。 arXiv 2020 论文 引用

    Michael Crawshaw

在线学习

  1. 自适应在线学习的算法与分析综述。 J. Mach. Learn. Res. 2017 论文 引用

    H. Brendan McMahan

  2. 图像分类中的在线持续学习：实证综述。 Neurocomputing 2022 论文 引用

    Zheda Mai, Ruiwen Li, Jihwan Jeong, David Quispe, Hyunwoo Kim, Scott Sanner

  3. 在线学习：全面综述。 Neurocomputing 2021 论文 引用

    Steven C. H. Hoi, Doyen Sahoo, Jing Lu, Peilin Zhao

  4. 基于偏好的决斗算法在线学习：综述。 J. Mach. Learn. Res. 2021 论文 引用

    Viktor Bengs, Róbert Busa-Fekete, Adil El Mesaoudi-Paul, Eyke Hüllermeier

优化

  1. 从机器学习角度看优化方法综述。 IEEE Trans. Cybern. 2020 论文 引用

    孙世良, 曹哲辉, 朱涵, 赵婧

  2. 鲸鱼优化算法的系统和元分析综述。 Comput. Intell. Neurosci. 2019 论文 引用

    Hardi M. Mohammed, Shahla U. Umar, Tarik A. Rashid

  3. 梯度下降优化算法概述。 arXiv 2016 论文 引用

    Sebastian Ruder

  4. 凸优化概述。 CiteSeerX 2008 论文 引用

    Zico Kolter, Honglak Lee

  5. 进化多任务优化：方法综述、挑战和未来研究方向。 arXiv 2021 论文 引用

    Eneko Osaba, Aritz D. Martinez, Javier Del Ser

  6. 梯度提升机：综述。 arXiv 2019 论文 引用

    何志远, 林丹晨, Thomas Lau, 吴迈

  7. 从统一视角研究双层优化算法：综述及其发展。 IEEE Trans. Pattern Anal. Mach. Intell. 2022 论文 引用

    刘日胜, 高佳欣, 张进, 孟德宇, 林筱辰

  8. 图上的组合优化学习：网络应用综述。 IEEE Access 2020 论文 引用

    Natalia Vesselinova, Rebecca Steinert, Daniel F. Perez-Ramirez, Magnus Boman

  9. 自然启发的优化算法：研究方向和综述。 arXiv 2021 论文 引用

    Rohit Kumar Sachan, Dharmender Singh Kushwaha

  10. 深度学习优化：理论与算法。 arXiv 2019 论文 引用

孙若宇

  1. 机器学习优化问题：综述。 Eur. J. Oper. Res. 2021 论文 引用

Claudio Gambella, Bissan Ghaddar, Joe Naoum-Sawaya

  1. 粒子群优化：历史和最新发展的混合视角综述。 Mach. Learn. Knowl. Extr. 2019 论文 引用

萨普塔尔希·森古普塔, 桑奇塔·巴萨克, 理查德·A·彼得斯

  1. 为何局部方法可以解决非凸问题？ 超越最坏情况的算法分析 2020 论文 引用

马腾宇

半监督、弱监督和无监督学习

  1. 弱监督学习简介。 National Science Review 2018 论文 引用

周志华

  1. 无监督依存分析综述。 COLING 2020 论文 引用

韩文娟, 姜勇, 黄伟图, 涂可维

  1. 深度半监督学习综述。 arXiv 2021 论文 引用

杨翔丽, 宋子兴, 金乐文, 徐增林

  1. 用于图像分类的半监督、自监督和无监督学习综述。 IEEE Access 2021 论文 引用

Lars Schmarje, Monty Santarossa, Simon-Martin Schröder, Reinhard Koch

  1. 半监督学习技术综述。 arXiv 2014 论文 引用

V. Jothi Prakash, L. M. Nithya

  1. 基于深度学习的弱监督目标检测和目标定位综述。 arXiv 2021 论文 引用

邵飞飞, 陈龙, 邵剑, 吉伟, 肖绍宁, 叶路, 庄羽庭, 肖军

  1. 基于图的半监督学习：全面回顾。 arXiv 2021 论文 引用

宋子兴, 杨翔丽, 徐增林, 金乐文

  1. 通过半监督学习的可改进性：理论结果综述。 arXiv 2019 论文 引用

亚历山大·梅, 马尔科·卢格

  1. 从正样本和未标注数据中学习：综述。 Mach. Learn. 2020 论文 引用

杰莎·贝克尔, 杰西·戴维斯

  1. 鲁棒深度半监督学习简介。 arXiv 2022 论文 引用

郭兰哲, 周志, 李玉峰

  1. 自监督学习在推荐系统中的应用：综述。 arXiv 2022 论文 引用

尤俊良, 尹弘智, 夏鑫, 陈同, 李骏栋, 黄梓

  1. 视频的自监督学习：综述。 arXiv 2022 论文 引用

Madeline C. Schiappa, Yogesh S. Rawat, Mubarak Shah

  1. 无监督跨语言表示学习。 ACL 2019 论文 引用

塞巴斯蒂安·鲁德尔, 安德斯·索加德, 伊万·武利奇

迁移学习

  1. 迁移学习全面综述。 Proc. IEEE 2021 论文 引用

庄福振, 齐志远, 段科宇, 席东博, 朱永春, 朱恒硕, 胡晟, 何青

  1. 无监督深度领域自适应综述。 ACM Trans. Intell. Syst. Technol. 2020 论文 引用

加勒特·威尔逊, 戴安娜·J·库克

  1. 深度迁移学习综述。 ICANN 2018 论文 引用

谭传琪, 孙富春, 孔涛, 张文昌, 杨超, 刘春芳

  1. 领域适应理论综述：学习界限和理论保证。 arXiv 2020 论文 引用

伊夫根·雷德科, 埃米莉·莫尔文特, 阿玛瑞·哈布拉德, 马克·塞班, 尤尼斯·本纳尼

  1. 负迁移综述。 IEEE/CAA自动化学报 2020 论文 引用

张文, 邓凌飞, 张雷, 吴东瑞

  1. 迁移学习综述。 IEEE Trans. Knowl. Data Eng. 2010 论文 引用

潘思诺, 杨强

  1. 自然语言处理中的迁移学习综述。 arXiv 2020 论文 引用

札伊德·阿尔亚菲, 马吉德·萨伊德·阿尔沙巴尼, 伊尔凡·艾哈迈德

  1. 自然语言处理迁移学习的演变。 arXiv 2019 论文 引用

阿迪亚·马尔特, 普拉蒂克·拉塔迪亚

  1. 使用统一文本到文本变换器探索迁移学习的极限。 J. Mach. Learn. Res. 2020 论文 引用

科林·拉菲尔, 诺姆·沙泽尔, 亚当·罗伯茨, 凯瑟琳·李, 沙兰·纳朗, 迈克尔·马特纳, 周艳琦, 李伟, 刘彼得·J.

  1. 自然语言处理中的神经无监督领域适应：综述。 COLING 2020 论文 引用

阿兰·兰保尼, 巴尔巴拉·普兰克

  1. 无源无监督领域适应：综述。 arXiv 2023 论文 引用

方宇祺, 叶佩田, 林伟礼, 朱宏途, 刘明夏

  1. 迁移适应学习：十年综述。 arXiv 2019 论文 引用

张磊

  1. 强化学习领域的迁移学习：综述。 J. Mach. Learn. Res. 2009 论文 引用

马修·E·泰勒, 彼得·斯通

  1. 深度强化学习中的迁移学习：综述。 arXiv 2020 论文 引用

祝庄迪, 林凯翔, 周嘉

  1. 深度学习中的可迁移性：综述。 arXiv 2022 论文 引用

姜君广, 树阳, 王建民, 龙明胜

可信机器学习

  1. 可信图神经网络的全面综述：隐私、鲁棒性、公平性和可解释性。 arXiv 2022 论文 引用 戴恩艳、赵天翔、朱淮生、徐俊杰、郭志猛、刘惠、唐吉良、王肃航

  2. 神经木马攻击与深度学习防御综述. arXiv 2022 论文 参考文献

    王杰、古拉姆·穆巴沙尔·哈桑、纳威德·阿赫塔尔

  3. 机器学习中的隐私攻击综述. arXiv 2020 论文 参考文献

    玛丽亚·里加奇、塞巴斯蒂安·加西亚

  4. 深度神经网络的安全性和可信性综述：验证、测试、对抗攻击与防御以及可解释性. 计算机科学综述 2020 论文 参考文献

    黄小伟、丹尼尔·克罗宁、阮文杰、詹姆斯·夏普、孙友成、伊梅瑟·塔莫、吴敏、易新平

  5. 机器学习中的偏见与公平性综述. ACM计算机综述 2022 论文 参考文献

    尼娜丽·梅赫拉比、弗雷德·莫斯塔特、尼普苏塔·萨克塞纳、克里斯蒂娜·莱尔曼、阿拉姆·加尔斯蒂安

  6. 后门学习：综述. arXiv 2020 论文 参考文献

    李一鸣、吴保园、姜勇、李志峰、夏树涛

  7. 差分隐私与机器学习：综述与回顾. arXiv 2014 论文 参考文献

    季张龙、扎卡里·蔡斯·利普顿、查尔斯·埃尔坎

  8. 机器学习中的公平性：综述. arXiv 2020 论文 参考文献

    西蒙·卡顿、克里斯蒂安·哈斯

  9. 局部差分隐私及其应用：全面综述. arXiv 2020 论文 参考文献

    杨梦梦、吕玲娟、赵俊、祝天青、林国焱

  10. 深度学习中的隐私：综述. arXiv 2020 论文 参考文献

    法特梅萨达特·米雷什加拉、穆罕默德卡兹姆·塔拉姆、普拉尼特·维帕科马、阿比谢克·辛格、拉梅什·拉斯卡、哈迪·伊斯梅尔扎德

  11. 机器学习安全性的分类：综述与导论. ACM计算机综述 2023 论文 参考文献

    西娜·莫赫塞尼、王浩涛、肖超伟、余志鼎、王张扬、杰伊·亚达瓦

  12. 机器学习系统的技术准备等级. arXiv 2021 论文 参考文献

    亚历山大·拉文、夏兰·M·吉利根-李、阿莱西亚·维斯尼克、锡达·甘久、达瓦·纽曼、苏乔伊·刚古里、丹尼·朗格、阿提利姆·居涅斯·贝丁、阿米特·沙尔马、亚当·吉布森、亚林·加尔、埃里克·P·辛、克里斯·马特曼、詹姆斯·帕尔

  13. 深度伪造的创建与检测：综述. ACM计算机综述 2022 论文 参考文献

    伊斯罗尔·米尔斯基、文克·李

  14. 迈向透明AI：解读深度神经网络内部结构综述. arXiv 2022 论文 参考文献

    蒂尔曼·劳克、安森·霍、史蒂芬·卡斯珀、迪伦·哈德菲尔德-麦奈尔

  15. 可信赖AI：从原则到实践. ACM计算机综述 2023 论文 参考文献

    李博、齐鹏、刘博、狄率、刘景恩、裴吉全、易金峰、周波文

  16. 可信赖图神经网络：方面、方法和趋势. arXiv 2022 论文 参考文献

    张鹤、武邦、袁醒亮、潘士瑞、唐杭航、裴健

  17. 教程：安全可靠的机器学习. arXiv 2019 论文 参考文献

    苏奇·萨里亚、阿达什·苏巴斯瓦米

  18. 当机器学习遇到隐私：综述与展望. ACM计算机综述 2022 论文 参考文献

    刘波、丁明、西娜·沙哈姆、温妮·拉哈尤、法哈德·法罗希、林志淮

  19. 野性模式再加载：抵御训练数据中毒的机器学习安全性综述. arXiv 2022 论文 参考文献

    安东尼奥·埃马努埃尔·齐内、卡特琳·格罗斯、安布拉·德蒙蒂斯、塞巴斯蒂亚诺·瓦斯康、维尔纳·泽林格、伯恩哈德·阿洛伊斯·莫泽、艾琳娜·奥普雷亚、巴蒂斯塔·比吉奥、马切洛·佩里洛、法比奥·罗利

团队成员

该项目由以下团队维护

东南大学计算机科学与工程学院自然语言处理实验室

NiuTrans研究

如果您有任何问题，请随时联系我们（libei_neu [at] outlook.com）。

致谢

我们要感谢为这个项目做出贡献的人们，他们是

吕传浩、常开言、王子阳、周书翰、徐诺、李蓓、李殷桥、杜全、曾鑫、王老虎、王成龙、刘晓倩、周玄钧、张静楠、穆勇宇、周泽凡、姜艳红、朱新阳、刘星宇、毕冬、徐萍、李子建、田丰宁、刘辉、冯凯、张玉豪、胡池、杨迪、郑磊、陈赫轩、王泽扬、刘腾波、孟夏、单伟桥、周涛、曹润哲、罗英峰、魏兵豪、徐万迪、张燕、王一超、马梦玉、刘子豪

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多