给周末还在坚持早起的你 | 本周值得读 #36

正文

请到「今天看啥」查看全文

每个人问同一个问题的表述都可能是不同的，自动问答系统应该如何更好的理解用户的问题呢？当我们用一种描述方式来提问时，可能不会被 get 到，但也许换一种方式来表达就会好一些，这就是所谓的“ask the right questions”。本文提出了一种增强学习方案，通过重新表述用户的问题来让 QA 系统更好的理解问题，从而给出更加准确的答案，在 SearchQA 数据集上取得了比较明显的效果。本文工作来自 Google。

论文链接： https://arxiv.org/abs/1705.07830

推荐人： 大俊，PaperWeekly 首席客服

➌

#CNN & RNN#

pix2code: Generating Code from a Graphical User Interface Screenshot

本文基于深度学习实现了由 GUI 图片自动行成 iOS、Android、Web 布局代码，达到了 77% 的准确度，并开放了训练数据集。pix2code 从两个角度出发，a：理解图像以及推断其中实体各个属性的 CV 问题；b：理解语言并生成合理语法语义文本的语言建模问题。

主要要点：

• Vision Model：使用 VGGNet 对图片进行编码

• Language Model：使用 DSL 对图片进行描述，并使用 LSTM 提取语言结构关系

• 结合 Vision Mode 和 Language Model：使 LSTM 把输入的 DSL 代码进行编码成 q，并与图片编码 p 连接成 r，把 r 传入解码器（stacked 双层 LSTM 网络）

• Training：使用滑动窗口（window=48 empirical），multiclass log loss

• Sampling：使用 符号做为开始和结束标志，一次生成一个符号，生成符号用作下一个符号生成的输入，直到遇到

亮点推荐：由 GUI 图片自动生成布局代码

演示地址：

https://github.com/tonybeltramelli/pix2code

请到「今天看啥」查看全文