介紹:對深度學習和representationlearning最新進展有興趣的同學可以瞭解一下

介紹:主要是順著Bengio的PAMIreview的文章找出來的。包括幾本綜述文章，將近100篇論文，各位山頭們的Presentation。全部都可以在google上找到。

介紹：2014年國際機器學習大會（ICML）已經於6月21-26日在國家會議中心隆重舉辦。本次大會由微軟亞洲研究院和清華大學聯手主辦，是這個有著30多年曆史並享譽世界的機器學習領域的盛會首次來到中國，已成功吸引海內外1200多位學者的報名參與。乾貨很多，值得深入學習下

介紹：這篇文章主要是以Learningto Rank為例說明企業界機器學習的具體應用，RankNet對NDCG之類不敏感，加入NDCG因素後變成了LambdaRank，同樣的思想從神經網路改為應用到Boosted Tree模型就成就了LambdaMART。

介紹：看題目你已經知道了是什麼內容,沒錯。裡面有很多經典的機器學習論文值得仔細與反覆的閱讀。

介紹：從1996年開始在電腦科學的論文中被引用次數最多的論文

介紹：Francis Bach合作的有關稀疏建模的新綜述(書)：Sparse Modelingfor Image and Vision Processing，內容涉及Sparsity,Dictionary Learning, PCA, Matrix Factorization等理論，以及在影象和視覺上的應用，而且第一部分關於Why does the l1-norm induce sparsity的解釋也很不錯。

介紹：這個裡面有很多關於機器學習、訊號處理、計算機視覺、深入學習、神經網路等領域的大量原始碼（或可執行程式碼）及相關論文。科研寫論文的好資源

介紹：Andrej Karpathy的深度強化學習演示，論文在這裡

介紹：推薦系統經典論文文獻

介紹：這是T. Mikolov& Y. Bengio最新論文Ensemble of Generative andDiscriminative Techniques for Sentiment Analysis of Movie Reviews ，使用RNN和PV在情感分析效果不錯，［專案程式碼］(https://github.com/mesnilgr/iclr15)公佈在github(目前是空的)。這意味著Paragraph Vector終於揭開面紗了嘛。

介紹:2014 ImageNet冠軍GoogLeNet深度學習模型的Caffe復現模型,GoogleNet論文.

介紹: Topic modeling 的經典論文,標註了關鍵點

介紹: 多倫多大學與Google合作的新論文，深度學習也可以用來下圍棋，據說能達到六段水平

介紹:DEEPLEARNING.UNIVERSITY的論文庫已經收錄了963篇經過分類的深度學習論文了，很多經典論文都已經收錄

介紹: AMiner是一個學術搜尋引擎，從學術網路中挖掘深度知識、面向科技大資料的挖掘。收集近4000萬作者資訊、8000萬論文資訊、1億多引用關係、連結近8百萬知識點；支援專家搜尋、機構排名、科研成果評價、會議排名。

介紹:WSDM2015最佳論文把馬爾可夫鏈理論用在了圖分析上面，比一般的propagation model更加深刻一些。通過全域性的平穩分佈去求解每個節點影響係數模型。假設合理（轉移受到相鄰的影響係數影響）。可以用來反求每個節點的影響係數

介紹:華盛頓大學Pedro Domingos團隊的DNN，提供論文和實現程式碼.

介紹: DeepMind論文集錦

介紹:對自然語言處理技術或者機器翻譯技術感興趣的親們，請在提出自己牛逼到無以倫比的idea（自動歸納翻譯規律、自動理解語境、自動識別語義等等）之前，請通過谷歌學術簡單搜一下，如果谷歌不可用，這個網址有這個領域幾大頂會的論文列表,切不可斷章取義,胡亂假設.

介紹:論文+程式碼:基於整合方法的Twitter情感分類,實現程式碼.

介紹:國際人工智慧聯合會議錄取論文列表,大部分論文可使用Google找到.

介紹:華盛頓大學的Machine Learning Paper Repository.

介紹:喵星人相關論文集.

介紹:蘇州大學人類語言技術研究相關論文.

介紹:博士學位論文:ELM研究進展.

介紹:Codalab影象標註競賽排行+各家論文,Reddit上flukeskywalker整理了各家技術相關論文.

介紹:論文:通過潛在知識遷移訓練RNN.

介紹:NAACL 2015 論文papers.

介紹:關於(Deep) Neural Networks在 NLP 和 Text Mining 方面一些paper的總結

介紹:應對大資料時代，量子機器學習的第一個實驗 paper 下載

介紹:This paperproposes Fast R-CNN, a clean and fast framework for object detection.

介紹:一篇關於CNN模型物件識別Paper.

介紹:讀完這100篇論文 就能成大資料高手,國內翻譯.

• 《Multimodal Deep Learning》

介紹:來自斯坦福大學的Multimodal Deep Learning papers.

• 《Learning to Hash Paper, Code and Dataset》

介紹:Learningto Hash Paper, Code and Dataset.

• 《Geoff Hinton》

介紹:傑弗裡·埃弗里斯特·辛頓FRS是一位英國出生的計算機學家和心理學家，以其在神經網路方面的貢獻聞名。辛頓是反向傳播演算法和對比散度演算法的發明人之一，也是深度學習的積極推動者.通過他的主頁可以發掘到很多Paper以及優秀學生的paper,此外推薦他的學生Yann Lecun主頁

• 《Pedro Domingos》

介紹:PedroDomingos是華盛頓大學的教授,主要研究方向是機器學習與資料探勘.在2015年的ACMwebinar會議,曾發表了關於盤點機器學習領域的五大流派主題演講.他的個人主頁擁有很多相關研究的paper以及他的教授課程.

• 《Recent Deep Learning papers in NLU and RL》

介紹:近期自然語言理解(NLU)/增強學習(RL)文獻選集

• 《Kloud Strife DL papers of the year》

介紹:Kloud Strife總結了2017年閱讀的論文，對抗網路學習、SGD（隨機梯度下降）、模型設計與生成、強化學習

• 《KDD2015十年最佳論文》

• 《Training Recurrent Neural Networks》

介紹:博士論文:(Ilya Sutskever)RNN訓練.

• 《Tutorial 4: Deep Learning for Speech Generation and Synthesis》

介紹:深度學習在語音合成最新進展有哪些？推薦MSRA的Frank Soong老師關於語音合成的深度學習方法的錄影和幻燈片與以及谷歌的LSTM-RNN合成介紹,論文

• 《That’s So Annoying!!!: A Lexical and Frame-Semantic Embedding Based Data Augmentation Approach to Automatic Categorization of Annoying Behaviors using #petpeeve Tweets ∗》

介紹:這篇論文榮獲EMNLP2015的最佳資料/資源獎優秀獎,標註的推特資料集

• 《Scheduled Sampling for Sequence Prediction with Recurrent Neural Networks》

介紹:谷歌研究院Samy Bengio等人最近寫的RNN的Scheduled Sampling訓練方法論文.

• 《2015年中國計算機學會（CCF）優秀博士學位論文》

介紹:2015年度CCF優秀博士學位論文獎論文列表.

• 《Statistical Language Models Based On Neural Networks》

介紹:博士論文:神經網路統計語言模型.

• 《Data Mining And Statistics: What's The Connection?》

介紹:經典論文:資料探勘與統計學.

• 《Search Engines that Learn from Their Users》

介紹:這是一篇關於搜尋引擎的博士論文,對現在普遍使用的搜尋引擎google，bing等做了分析.對於做搜尋類產品的很有技術參考價值

• 《Towards Bayesian Deep Learning: A Survey》

介紹:貝葉斯定理在深度學習方面的研究論文.

• 《What are some important areas of research in social computing right now?》

介紹:社交計算應用領域概覽,裡面有些經典論文推薦

• 《Unifying User-based and Item-based Collaborative Filtering Approaches by Similarity Fusion》

介紹:協同過濾經典論文.

• 《Collaborative Filtering Recommender Systems》

介紹:協同過濾在推薦系統應用.

• 《Content-Boosted Collaborative Filtering for Improved Recommendations》

介紹:協同過濾在內容推薦的研究.

• 《Item-based Collaborative Filtering Recommendation Algorithms》

介紹:協同過濾演算法.

• 《In-Datacenter Performance Analysis of a Tensor Processing Unit》

介紹:谷歌發論文詳解TPU

• 《Deep Learning for Music (DL4M)》

介紹:博士論文：深度神經網路知識表示與推理,附視訊

• 《Feature Visualization》

介紹:利用神經網路增加對影象理解，對特徵進行視覺化。同時推薦《Visualizing andUnderstanding Convolutional Networks》。本文是Matthew D.Zeiler 和Rob Fergus於（紐約大學）13年撰寫的論文，主要通過Deconvnet（反捲積）來視覺化卷積網路，來理解卷積網路，並調整卷積網路；本文通過Deconvnet技術，視覺化Alex-net，並指出了Alex-net的一些不足，最後修改網路結構，使得分類結果提升。中文摘要翻譯 @layumi

• 《A Nearly-Linear Time Framework for Graph-Structured Sparsity》

介紹:來自麻省理工的結構化稀疏論文.

• 《Optimal and Adaptive Algorithms for Online Boosting》

介紹:來自雅虎的機器學習小組關於線上Boosting的論文 .

• 《A Fast and Accurate Dependency Parser using Neural Networks》

介紹:來自Stanford，用神經網路實現快速準確的依存關係解析器

• 《TThe Probabilistic Relevance Framework: BM25 and Beyond》

介紹: 資訊檢索排序模型BM25(Besting Matching)。1）從經典概率模型演變而來 2）捕捉了向量空間模型中三個影響索引項權重的因子：IDF逆文件頻率；TF索引項頻率；文件長度歸一化。3）並且含有整合學習的思想：組合了BM11和BM15兩個模型。4）作者是BM25的提出者和Okapi實現者Robertson.

• 《Using Structured Events to Predict Stock Price Movement: An Empirical Investigation》

介紹:用結構化模型來預測實時股票行情.

• 《Structured Learning for Taxonomy Induction with Belief Propagation》

介紹:用大型語料庫學習概念的層次關係，如鳥是鸚鵡的上級，鸚鵡是虎皮鸚鵡的上級。創新性在於模型構造，用因子圖刻畫概念之間依存關係，因引入兄弟關係，圖有環，所以用有環擴散（loopy propagation）迭代計算邊際概率（marginal probability）.

• 《An Introduction to Random Indexing》

介紹:隨機索引RI詞空間模型專題.

• 《Maxout Networks》

介紹:Maxout網路剖析

-------------------------------------------------------------------------------------------------------------------------下面部分是會議或論文集---------------------------------

-------------------------------------------------------------------------------------------

• 《CVPR 2015 paper》

介紹:2015年國際計算機視覺與模式識別會議paper.

• 《NIPS 2015 Deep Learning Symposium Part I》

介紹:NIPS2015會議總結第一部分,第二部分.

• 《ICLR 2015會議的arXiv稿件合集》

介紹:在這裡你可以看到最近深度學習有什麼新動向。

• 《Spark summit east 2015 agenda》

介紹:2015年 Spark summit會議資料.

• 《Proceedings of The 32nd International Conference on Machine Learning》

介紹:ICML2015論文集,優化4個+稀疏優化1個；強化學習4個，深度學習3個+深度學習計算1個；貝葉斯非參、高斯過程和學習理論3個；還有計算廣告和社會選擇.ICML2015 Sessions.

• 《ICLR 2015》

介紹:2015年ICLR會議視訊與講義.

• 《ICLR 2016 Accepted Papers》

介紹:深度學習和機器學習重要會議ICLR 2016錄取文章

• 《Advances in Neural Information Processing Systems》

介紹:NIPS領域的會議paper集錦

• 《conference-iclr-2016 Papers and Code》

介紹:機器學習會議ICLR 2016 論文的程式碼集合

• 《Proceedings of the 21st International Conference on Intelligent User Interfaces》

• 《Multimedia Laboratory Homepage》

介紹:香港中文大學深度學習研究主頁,此外研究小組對2013年deep learning 的最新進展和相關論文做了整理,其中useful links的內容很受益

• 《Proceedings of the Eleventh International Conference on Web and Social Medias》

介紹:2017年ICWSM會議論文合集，業內對它的評價是:"算是最頂級也是最早的有關社會計算的會議"。裡面的論文大部分是研究社交網路的，例如twitter，emoji，遊戲。對於社交媒體來說內容還是挺前沿的。如果你是做社會計算的還是可以看看。畢竟是行業內數一數二的會議。對了，只要是你知道名字的有名社交媒體都有投稿.[陌陌不算]