排序方式

ICML 2019 | 微软提出极低资源下语音合成与识别新方法,小语种也不怕没数据了!

目前,人类使用的语言种类有近7000种,然而由于缺乏足够的语音-文本监督数据,绝大多数语言并没有对应的语音合成与识别功能。为此,微软亚洲研究院机器学习组联合微软(亚洲)互联网工程院语音团队在ICML 2019上提出了极低资源下的语音合成与识别新方法,帮助所有人都可以享受到最新语音技术带来的便捷。

发布时间:2019-05-15 类型:深度文章

WWW 2019微软亚洲研究院6篇入选论文一览

WWW 2019(The Web Conference)于5月13-17日在美国旧金山召开,今年会议共收到投稿1247篇,录取225篇,录取率为18%。微软亚洲研究院共有6篇论文入选,内容包括推荐系统知识图谱中的多任务特征学习、知识图卷积网络、中文分词与中文实体识别、云服务故障预测和诊断、深度学习在移动端APP上的应用情况等。

发布时间:2019-05-14 类型:深度文章

微软亚洲研究院发布业界最全面的语义分析数据集MSParS

语义分析引擎是诸多人工智能产品的核心模块,但由于标注成本高、难度大,学术界现有的语义分析数据集存在数据规模小、问题种类少、问题模板结构过于单一等缺陷。为此,微软亚洲研究院自然语言计算组与微软必应(Bing)搜索引擎团队合作构建并发布了大规模、高质量、多类型的语义分析数据集 MSParS(Multi-perspective Semantic ParSing Dataset),希望供科研人员和工业界同行研究和使用。

发布时间:2019-05-13 类型:深度文章

ICML 2019 | 序列到序列自然语言生成任务超越BERT、GPT!微软提出通用预训练模型MASS

从2018年开始,预训练(pre-train) 毫无疑问成为NLP领域最热的研究方向。借助于BERT和GPT等预训练模型,人类在多个自然语言理解任务中取得了重大突破。然而,在序列到序列的自然语言生成任务中,目前主流预训练模型并没有取得显著效果。为此,微软亚洲研究院的研究员在ICML 2019上提出了一个全新的通用预训练方法MASS,在序列到序列的自然语言生成任务中全面超越BERT和GPT。在微软参加的WMT19机器翻译比赛中,MASS帮助中-英、英-立陶宛两个语言对取得了第一名的成绩。

发布时间:2019-05-09 类型:深度文章

一文详解ICLR 2019微软亚洲研究院6篇入选论文

ICLR 2019 于5月6日至9日在美国新奥尔良举行,本届投稿比去年增长了近60%,共收到1591篇,录取率为31.7%。由微软研究院与蒙特利尔大学 MILA 研究所合作的论文《Ordered Neurons: Integrating Tree Structures into Recurrent Neural Networks》获得了最佳论文奖。来自微软亚洲研究院的6篇论文入选了本届ICLR,内容涵盖多智能体的对偶学习、自然语言生成模型训练中的表征退化问题、基于知识蒸馏的多语言神经机器翻译、多视图立体场景重建等。

发布时间:2019-05-07 类型:深度文章

微软机器阅读理解系统性能升级,刷新CoQA对话式问答挑战赛纪录

近日,由微软亚洲研究院自然语言处理组与微软雷德蒙语音对话组研究员组成的团队,在斯坦福大学发起的对话式问答挑战赛CoQA(Conversational Question Answering Challenge)中荣登榜首,成为目前排行榜上唯一一个模型分数超过人类分数的团队。

发布时间:2019-05-06 类型:深度文章

讲堂 | 田江森:自适应教育下一轮迭代时,高考不应是唯一衡量标准

过去一年,VIPKID完成D+轮5亿美元融资,作业帮完成3.5亿美元D轮融资,流利说于纽交所正式挂牌上市,新东方在线登陆陆港交所上市。仅仅在K12领域,2018年就有8例亿元级别以上的融资。一个明显的趋势是,原本针对于学习外围环节的工具型APP,即工具型AI,开始向自适应智能学习系统过渡,标志着在线教育迭代进入新阶段。微软在中国凭借技术优势,开始为教育企业(如培生集团等)提供人工智能解决方案。微软亚洲研究院副院长田江森应邀在搜狐科技“智研所”沙龙第4期上演讲。

发布时间:2019-04-30 类型:深度文章

Machine Teaching:用人类的专业知识与经验指导机器学习

随着AI应用的场景越来越丰富,加上数据量小、任务复杂等种种实践中可能出现的挑战,有时机器学习的结果并不理想,而且效率低下。而我们人类拥有丰富的专业经验,为什么不向机器传授一些小诀窍呢?为此,微软研究院推出了一种辅助方法——“机器教学”(Machine Teaching),人类可以利用自己的专业知识和经验帮助AI进行更有针对性的学习,帮助强化学习算法更快地找到解决方案。

发布时间:2019-04-30 类型:深度文章

CHI 2019丨无论哪种姿势,平板电脑都为你备好了最佳交互界面

人机交互顶会CHI 2019(ACM SIGCHI Conference on Human Factors in Computing Systems)将于5月4-9日在英国格拉斯哥举行。本届CHI中,来自微软研究院的论文“姿势感知界面”针对用户使用平板电脑时的各异姿势,对更细致的动作捕捉和交互进行了探索。该论文获得最佳论文提名。

发布时间:2019-04-25 类型:深度文章

Azure如何利用机器学习“预知”虚拟机故障?

云服务的一大优势,是使用户无需担心如何管理硬件资源和处理硬件故障。然而,如果云服务发生了硬件故障,该怎么办?现在,得益于微软亚洲研究院最新磁盘故障预测和节点故障预测的研究成果,Azure能够“预知”云服务中的硬盘故障,提前发出警示,并进行用户可控制的自动迁移流程,最大程度地减少硬件故障的影响。

发布时间:2019-04-23 类型:深度文章