特别推荐 | TechBeat技术社区7月文章精选
关注并星标
从此不迷路
Jiangmen
每周追大佬的Talk之余，在TechBeat技术社区里还有很多干货文章供大家浏览学习：无论是各大顶会学术论文的深度解读，还是技术在各个行业中的落地场景的前沿分享，你都可以找到！今天就让我“门”来盘点一下，7月都有哪些精彩文章吧！
关注TechBeat社区 (www.techbeat.com) ，还有更多干货文章、技术Talk与你分享~
文章在哪儿？
1
万字详解：腾讯如何自研大规模知识图谱 Topbase
Topbase是由腾讯TEG-AI平台部构建并维护的一个专注于通用领域的知识图谱，其主要应用于大家所熟知的微信搜一搜、信息流推荐及智能问答产品。本文主要梳理了Topbase构建过程中的技术经验，从0到1地介绍了构建过程中的重难点问题以及相应的解决方案，希望对图谱建设者有一定的借鉴意义。
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMDc4NDI5Ny05MDQtNTUzNjg=
2
当谈论法律智能技术，
我们可以谈论些什么？
当人工智能技术广泛应用于股票走势预测、智慧医疗等工作时，近几年也有不少研究者尝试将其应用于法律领域——这个拥有大量数据积累的方向上。本文将从什么是法律智能入手，来介绍整个法律智能的发展，现状以及它的未来，希望能够帮助对法律智能研究感兴趣的朋友。
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMDg3NjA4MS05MDYtODIyOTA=
3
深度卷积网络中的卷积算子研究进展
在各种深度神经网络结构中，作为应用最为广泛的卷积神经网络，可以利用有效的参数共享方式，保证模型的性能大量地减少模型参数。本文中，作者着重介绍了通过一般化传统卷积的操作，使得新的卷积神经网络可以应用到一般结构的数据上，而不是仅局限于处理欧几里得空间的数据。
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMDk2OTc2MC02MDMtNDU4NjA=
4
标注样本少怎么办？
「文本增强+半监督学习」总结
本文主要介绍的是半监督学习，关注如何利用领域相关的未标注数据，与此相关的是主动学习，致力于挖掘高价值样本。在整体的少样本解决方案中，还有多任务学习、领域自适应、以及大家比较关注的few-shot等，few-shot在NLP领域还不成熟，性能表现和数据集的构建密不可分，其更注重未知标签的判别，在现实落地上还有一段距离。
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMTM4OTAwOS05MDItNjU3ODI=
5
医疗健康领域的短文本纠错
都说在NLP领域文本纠错是个坑。因为目前没有特别成熟的方法，而且用到的知识点比较繁琐，真正的应用到工业界还要考虑实际成本和效率等问题，常见的纠错内容可能时常让人啼笑皆非。在丁香园医疗垂直领域的文本纠错实验中，团队调研一些学术界近期的结果和工业界常规方法，尝试去解决用户在使用搜索引擎带来的纠错问题。
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMTQ1MzQ4NC05MzAtMjQ3NDc=
6
朴素贝叶斯：帮助AI产品经理
“小步快跑，快速迭代”
贝叶斯定理相信不少人都接触过，这个看似只属于数学领域的定理，在AI产品经理看来有怎样的魅力呢？本文中，作者通过梳理“贝叶斯定理”概念，抛出一个“真假概率”的小实验，进而阐述出产品经理的思考方式——或许，“小步快跑，快速迭代”才是提升容错率最好的办法！
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMjE2NDY4MS04OTAtNDcwMDQ=
7
CVPR 2020
利用自适应边际损失增强小样本学习
本文从 CV 和 NLP 多模态的视角切入，通过考虑类别的语义信息来提升小样本学习的性能。在进行大量实验后，文中所述方法在标准小样本分类和广义小样本分类任务上都显著超越了现有的方法！
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMjIxNzQ1MC04OTItNDY2MDE=
8
无行业, 不AI
阿里视觉智能的探索与实践
AI在各行各业真实水平到底如何？恐怕只有资深业内人士才能知晓。作为达摩院人工智能中心、城市大脑实验室负责人的华先胜老师，在本文中着重阐述了阿里巴巴在视觉智能方向的探索与实践。尤其在视觉设计、视频广告、视觉诊断、城市大脑等领域上的应用，让我们看到人工智能技术真正落在实处的更多可能！
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMjMxNDUzOS05MjEtODY5NDk=
9
深度剖析AI芯片初创公司Graphcore的IPU
AI芯片初创Graphcore，凭什么被誉为芯片产业第三次革命？本文中，作者基于第三方的详细分析和Graphcore的几个新的演讲，勾勒（推测）出IPU的架构设计的一些有趣细节。
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMjQwNTAyOS04NjktNDg0ODI=
10
ICRA 2020
空中机器人的重抓取: 物体翻转任务的实现
重抓取是我们现实生活中最常见也最重要的技能之一。然而，在空中机器人领域重抓取仍然没有被全面地研究。在本文中，东大JSK实验室采用一种可变形多连杆空中机器人实现了一个基本的重抓取操作，也是机械臂和人形机器人领域中的一个经典问题——绕轴翻转 (pivot) 。
本文链接：
https://www.techbeat.net/articles/MTU5NjAxMjQ3ODQyOC05MzUtNTEwMTg=
写在最后
以上就是本月【TechBeat社区】的精选文章啦！此外，将门「ECCV 2020专题活动」正在火热进行中，点击这里抢先报名！
访问www.techbeat.com，了解更多值得关注的精彩内容！
来扫我呀
关于我“门”
▼
将门是一家以专注于发掘、加速及投资技术驱动型创业公司的新型创投机构，旗下涵盖将门创新服务、将门技术社群以及将门创投基金。将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。
将门创新服务专注于使创新的技术落地于真正的应用场景，激活和实现全新的商业价值，服务于行业领先企业和技术创新型创业公司。
将门技术社群专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容，使创新成为持续的核心竞争力。
将门创投基金专注于投资通过技术创新激活商业场景，实现商业价值的初创企业，关注技术领域包括机器智能、物联网、自然人机交互、企业计算。在近四年的时间里，将门创投基金已经投资了包括量化派、码隆科技、禾赛科技、宽拓科技、杉数科技、迪英加科技等数十家具有高成长潜力的技术型创业公司。
如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给“门”:
bp@thejiangmen.com
将门创投
让创新获得认可！
微信：thejiangmen
bp@thejiangmen.com
点击“❀在看”，让更多朋友们看到吧~