在浩大的计算机世界里，作为一名普通程序员，你是否有过焦虑和迷茫？

我们内心崇拜技术，却也对日新月异的技术抱有深深的恐惧。技术市场就像喜怒不定的老天爷，今天下个大数据雨，明天挂个人工智能风。面对琳琅满目的技术冲击，我们时不时感到力不从心。几年过去，除了肚子上的脂肪，可能一无所获……

程序员的迷茫不仅仅是面对技术繁杂的无力感，更重要的是因为长期埋没于浩大的分工体系中，无法看清从业务到软件架构的价值链条，无法清楚定位自己在分工体系的位置，处理不好自身与技术、业务的关系所致。

我们不妨站得高一些，看得远一些，用包容的心态，始终如一的好奇心，学着像块海绵一样，浸润在整个技术领域的洪荒之力中。比如刚刚落幕的2017杭州云栖大会，就是一个让技术人摆脱焦虑的绝佳机会。

杭州云栖大会是阿里集团一年一度的全生态科技盛会。此次大会包含140多场技术主题论坛，共计800多个主题分享，涵盖人工智能、金融科技、量子计算、生命科学、IoT、政务、多媒体、VR等20多个前沿科技领域。多位全球顶级学术专家、以及MySQL & MariaDB创始人、PostgreSQL联合创始人、Redis创始人等大咖都献出了精彩的分享。

云栖大会部分演讲嘉宾

大会吸引了六万多位来自全球各地的技术爱好者，堪称互联网史上规模最大的技术大会。数千元的VIP门票在大会开始前半个月就宣告售罄，足见人气之高。

云栖大会现场一角

大会已经结束，但是它留下的宝贵财富，值得我们反复学习。阿里妹经过精心整理，为所有技术爱好者，送上一份重量级的干货学习包，包含100多位顶级大咖演讲干货+完整版PPT分享，今日起全部免费开放下载！

2017杭州云栖大会官方资料合集来啦~(‘◡’)ﾉ

嘉宾PPT免费下载：https://github/Alimei/hangzhouYunQi2017ppt?files=1

演讲视频在线观看：https://yq.aliyun/promotion/377?spm=

温馨提醒：

1、由于高清PPT文件偏大，整个包超过2G，故无法在手机端显示。请将上面的链接复制到PC浏览器，在github直接下载（欢迎随手点个小星星支持）。

2、视频包括云栖大会4天全程演讲内容，观看前需要先注册哦。

在技术成长的路上，我们一起遇见更好的自己。

干货学习包里，有哪些分论坛的核心技术？

此份学习包覆盖了许多精彩的论坛，比如：阿里新零售峰会、阿里开源峰会、大数据分论坛、移动技术实践专场、阿里云大数据计算服务（MaxCompute）专场、多媒体专场、高性能计算专场、企业互联网转型峰会、企业级互联网架构专场、容器技术专场、数据智能专场、新零售新体验分论坛、新零售智慧供应链分论坛、移动云专场、新型数据库专场、AliSQL专场、HBase专场、HTAP专场、POLARDB专场、Redis专场、SQLSERVER专场……

其中每一场分论坛，又包含多位大咖的精彩分享。以阿里新零售峰会为例，包含了以下嘉宾的演讲内容：

《未来新零售发展趋势》曾鸣（阿里巴巴学术委员会主席&湖畔大学教育长）

《盒马是什么？》侯毅(盒马创始人&CEO)

《人工智能为新零售带来的想象空间》任小枫(阿里巴巴IDST首席科学家兼副院长)

《零售通的智慧供应链之道》刘剑锋（产品总监）

《7-Eleven的精益供应链管理》龚胤全(顶级咨询师)

温馨提醒：用现场演讲视频，搭配PPT一起学习，效果更好哦。

希望这份集业务场景、技术干货、理论与实践为一体的学习包，能够帮助更多技术爱好者，把握全球前沿的技术趋势；通过百位技术大咖的分享，了解世界上规模最大、应用最丰富、场景最复杂的业务场景。希望每一位热爱技术的童鞋，都能在未来遇见更好的自己。

阿里技术与你在一起，战一起。

九江新闻网讯（黄海莉）9月26日至9月30日，全国第三届小学青年教师语文教学观摩活动在金城兰州成功举办。10月11日下午，兴中学校黄海莉老师在教研会上结合自己在外出学习中的所见、所思、所得，从三个方面做了主题分享。

首先她认为老师要有学习观，要把学习作为终身习惯，这样的教育才能与时俱进。她说，这次国青赛，有来自全国各省的32名小学语文教师，在这场全国顶级赛事中同台竞技，尽显教学风采。 作课的老师，都在30到45岁之间，属于专业成长的成熟期。无论是教材解读力、教案创新力，还是课堂调控力、教学驾驭力，他们都显示了很高的综合素养，东西部课堂教学差异缩小。其表现也各有千秋，理性感性，睿智幽默，庄重温和，风格特色各异。

更值得一提的是，统编教材各地只使用了三年级，在没有教学参考和教学资源的情况下，他们准确把握课程标准、统编教材新理念，为全国的小学老师起到了一个导向作用；课前每位老师只有10分的师生交流时间，但他们神定气闲，信手拈来，教学素养、专业成长非一日可为，让人感受到了学习的重要和紧迫。其次，就是要了解儿童心理，站在学生的心理角度去和学生对话。如天津董军老师执教的《大自然的声音》，重庆张栎钧老师执教的四上第八单元习作《我的心儿怦怦跳》等，他们能站在儿童的角度，与学生一起走进文本，学习文本，然后结合自己的生活体验，把文本学习得既有感又有得。教学手段和载体要有效。随着科技的发达，板书、PPT、视频等应该简明和实用，花里胡哨的教学手段和视频不能提高课堂效率。如九江双峰小学的江海花老师执教的习作教学《围绕中心意思写》，江老师利用简短词语组激发学生想象这组词语集中表达的中心意思，通过ppt和声音，一下子激发了学生的学习兴趣，无疑导入的有效是课堂成功的一半。

操千曲而后晓声，观千剑而后识器。语文教学要举三反一，从众多的语言材料中获取学习语文的方法、策略，从而归纳领悟出学习语文的规律。教学也理应如此，批判的吸收，从众多的优秀课例中，寻求适合自己的，又适合学情的独特的教学策略与方法。

“蒙版”这个词做过PPT的人大概都知道，可是100%的人知道有蒙版这个东西，但80%的人不知道具体的定义是什么，其实图层蒙版很多人都用过，为什么这么说呢？

蒙版说白了就是一层蒙在上面的板子，这个蒙版呢分为三大类，分别是图层蒙版、剪贴蒙版以及矢量蒙板。不过在PPT的制作中我们用到最多的就是图层蒙版，至于剪贴蒙版还有矢量蒙板在其他设计软件中运用的比较多。

废话不多说，毕竟学到了才是自己的。接下来我就给大家说说这个图层蒙版。

蒙版的分类

这蒙版的分类每个人都有自己的分法，因为按不同的效果分结果也就不同了。给他分了三类，分别是渐变蒙版、全图蒙版和异性蒙版，这三种蒙版透明度不同特可以分成好几类，比如半透明蒙版，不透明蒙版。

简单蒙版的制作方法

1.找到菜单栏中的插入按钮，然后点击“形状”选择合适的蒙版形状，一般来说矩形蒙版

是最常用的.

2.在画布上绘制出矩形。

3.调整具体参数。首先单机选中矩形，右击——设置形状格式，然后在工作区右侧找到填充，更改合适的颜色，这个颜色要根据情况而定。比如说背景亮度较高我们需要把颜色压下来是的PPT中的文字突出，这时候我们尽量选择深色，选择完颜色更改透明度。

4.调整蒙版的位置和大小。

注意：渐变蒙版也可以这样制作出来，要把填充改为渐变填充，然后改变渐变颜色和方向，通过改变透明度来达到聚焦的作用。

如果你看不明白文字版本的，可以看下边这个图

异形蒙版的制作方法

异形蒙版也是蒙版，所以刚开始的插入部分都是一样的，至于什么是异形蒙版，看看底下这张图你就知道了。

这张很有创意的图是怎么制作出来的？仔细分析就可以看出它包括文字（也可以是矢量图）和色块以及底图三个部分。那么这三者是怎么有机结合到一起的呢？接下来我就给大家介绍是怎么制作的

1.插入文字和色块，调整大小和位置

2.同时选中文字和色块，找到格式菜单，选择合并形状，组合。

3.插入背景图，调整位置，右击置于底层

注意：空白部分也可以是矢量图片，不仅仅是文字。

蒙版存在的意义

1. 聚焦。我们再用到蒙版的时候大部分情况都是图片和文字对比不够明显，画面杂乱，这时候加上一层蒙版就可以把不重要的内容淡化，从而突出我们要表达的文字或者图片内容。

2. 提高对比度，饱和度。有时候图片颜色不是很理想我们就可以增加一个蒙版。

蒙版美化案例

我们先看要修改的图

简单分析一下，这张图文字很少，采用左对齐，但是整个画面显得比较混乱，我们并不能一眼就看到要突出的文字内容。不妨就采用今天这个图层蒙版的方法来改进一下。

仔细观察一下，画面主体部分是这个雕像，那我们只留下这个雕像还有周围的部分，全图层蒙版肯定不行，选用渐变蒙版，蒙版颜色用主题色黑色，下面就调整大小和位置。

这个案例中用的是线性渐变，位置和透明度都可以通过自己手动去拖动观察效果，调整到自己觉得合适的位置就可以。

小结

PPT蒙版是经常用来提高对比饱和度的一种非常用且高效的方法，可以简单快速的帮助我们去美化PPT。

即使即一个这样的小技能，大家也应该去认真的对待，也就是这个小技能，帮助你解决了大部分的美化问题。

为了进一步加强2019年春季新同学之间的交流融合，提升课堂班级学习氛围并检验同学们的学习成果，3月1日上午，武汉新华春季1901班的萌新们迎来了入学以来的首次阶段课程学习分享会。

此次分享会由高梓原老师担任指导老师，校区程主任及数位老师参与了此次分享会，老师们对萌新们的课程阶段总结进行指导和打分。

曾经以为学不会，如今成就感不止一点点

学习分享会上，同学们以自己这个阶段的基础知识为支撑，用PPT向大家介绍自己，接下来展示了他们这一阶段在学校的学习成果，涵盖了对软件的认识，触发器的设计，还有PPT排版设计，个人目前遇到自己遇到的困惑和难题，以及自己的学习心得。现场分享的氛围特别融洽，时不时响起掌声和笑声。

主任对同学们的PPT汇报做了点评并指出，同学们的PPT制作和讲解水平，有值得认可肯定的地方，也有需要改进提升的地方。一份好的PPT不仅是版式设计、动画设计等基础知识的展现，也需要良好的思辨演说能力，逻辑思维能力。同学们要及时对阶段性学习进行总结，发现问题，解决问题，关键要落实。老师们也一定会全力地帮助同学们进步。

据悉，参加本次阶段课程学习分享会的新生学子来到新华才短短两周的时间，他们已经能够独立设计制作作品，并能顺利的讲解，这主要得益于学校“理论+实战的教学模式，更离不开老师们的悉心指导和他们自身的不懈努力。来武汉新华，换种思路上大学，圆互联网技术梦想哦

相关搜索

• 春季是哪几个月
• 春季蔬菜有哪些
• 春季过敏怎么办

6月23日，由Kyligence主办的深圳站 Apache Kylin Meetup顺利落下帷幕。周末的大雨丝毫没有阻挡大家来学习和交流的热情，来自Kyligence、网易互娱和华为的工程师们用专业又风趣的语言为大家带来以“拥抱开源，精彩分享”为主题的Kylin使用心得，在这场技术与案例融合的交流分享中，学员和讲师都有丰厚的收获！

2018 深圳站 Apache Kylin Meetup 会后合影

接下来就跟着小编一起重温此次Meetup！

史少锋

首位登场的就是Apache Kylin核心开发者和项目管理委员会成员，同时也是Kyligence 老司机史少锋为大家做了《Apache Kylin 2.3/2.4 版本及社区更新》的介绍。今年3月份发布的2.3版本包含了System Cube, Cube Planner和Dashboard等功能，能让我们把Kylin里面的Cube用得更高效；借助于metrics系统，把查询，任务日志，信息采集过来，然后存储到System Cube，通过Cube Planner 优化Cube 结构；Dashboard 让我们更好地了解其中的运行状况。而在此之前，需要在外面通过第三方的工具才能做这些事情，而现在有些功能在Kylin中就可以使用。

介绍完2.3版本后，史少锋也为大家展示了Apache Kylin 2.4版本的三个新特性：

1.支持sum（expression）

2.支持大lookup表

3.支持Kafka与hive的join

除了技术干货输出，史少锋还用某知名地产开发商的案例展示了Kylin与BI工具 Superset的结合搭配，该用户通过Kylin+Superset对数据进一步的分析和可视化，帮助其构建智慧小区。在结尾处，史少锋也透露Kyligence基于开源Superset 为Kylin做了扩展开发，后续会将这个工具免费提供出来，让社区中的大家可以免费下载和使用。

杨操

来自网易游戏数据中心的高级开发者杨操为大家带来了关于《Apache Kylin 在网易游戏的落地实践》，首先详细阐述了网易游戏和Kylin结合的背景介绍，包括网易游戏大数据平台、业务场景，另外也向大家介绍了选择Kylin的原因及使用现状。在实践经验中又向学员展示了并发性能调优、Segment数量调优以及Cube性能调优。最后杨操也结合了一些经典案例来给学员分享了网易游戏的工程师们在运维上的实践和经验。

上半场随着杨操的讲解结束，现场就有众多小伙伴开始踊跃提问，杨操讲师在Kylin的优化等方面给大家做了详细的解答。

李良必

“今天下这么大雨，能跑过来，肯定对Kylin都是真爱！”，下半场来自华为的李良必讲师刚开场就赞扬了学员们对开源的热情。开源的魅力就在于不断的分享和收获，在接下来的演讲中也同样为大家展示了专业的技术讲解和精彩的案例分享。

当提到为什么会用Kylin时，李良必也用一句话概括了用户的痛点：因为大数据用得很不爽，数据量大、查询慢、Kylin 能很好得解决这些问题。

接着李良必也谈了一些对大数据查询方面的感受：“在大数据平台上，体系分为四方面，第一是原生查询，包括Hive/SparkSQL，查询比较慢，但是优势是可以直接拿来用。第二是MPP查询引擎，比较高性能，主要是基于内存进行计算，性能的提升也比较明显。关键是费用比较高，不是谁都能搭得起这么一套服务器。第三是NoSQL数据库，缺点是不支持数据导入。在工作中遇到的纬度非常多，所以查询在HBase中很难实现。Kylin是一个切入点，是一个计算框架，我们提前算好了放在那里，大家查询时可以使用Cube。这个组件相对于传统数据库，做了连续创新，它的查询复杂度直接由以前的多个N转变成多个1。”

另外，李良必也讲述了华为为什么用 Kylin 来作为其解决方案，以及真实的使用场景和使用经验。从2016年开始使用Kylin做大数据提升引擎后，在查询及交互效率上有了很大的提升，开发周期也明显缩短，而效率的提升带来的就是开发成本的降低。

宗正

活动最后由来自Kyligence的大数据讲师宗正来分享《Apache Kylin 在流式应用中的按需定制》，分享了Kylin的流式构建，以银行在金融反欺诈行为作案例，反欺诈行为就是大家所了解的，当我们去用银行卡、信用卡，和非常多的人进行交易，在这每一秒钟里有无数的数据产生。经过前期的数据清洗，会流到Kafka这里，Kafka每秒钟会发出非常多的数据，在银行这边会实时对数据做分析的操作，同时识别虚假信息，例如银行卡是否有套现的可能。

由“成长”引发的系列总结。

——2018年5.15

人们总是善于和较好的演讲自己的擅长的事情，比如职业工作，并以此才能更自信和分享的更有价值。

成长是一个过程词，也是一个动词，成长分为两个阶段：

一是自我成长的动能：你既可以与更多有成长助力的人做成“圈子”，你也可以自己打造自己的外围学习的“圈子”。

二是成长的有效性；如何让成长更为高效，以职业生涯和实用为背书，你可能在接受成长和学习的过程中更高效。

第一点：圈子

一个人的环境和身边人决定了你大半个生活也决定了很长时间的人生状态。

案例：西二旗的百度、神州数码、联想聚集地，每天一起不自主的讨论技术，又会让旁人不自主的去顺着他的问题想解决方案，沉浸在这个圈子用他的一句话就是“蛋疼”，不自主的就得往那想。最终收获的也是精进的能力。这就是外围圈的力量。

还有自己构建的圈子：学习圈。大数据的时代，你爱什么，它就老是用这些东西缠着你。一直给你推送你这个下意识打造的圈子感兴趣的东西：“游戏又更新装备啦？”“明星又有新闻了”“以色列又打叙利亚啦”当然还有“百度出熊掌号了”“微信订阅号助手APP出来了”等等，这是一个圈子抱团成长，一个越努力越能让自己幸福的时代。

第二点：高效

地铁路程中看一本书《实体店这样干绝不输电商》，这是阎总看过的，为什么知道，因为里面多个章节记录了对品牌店的思考和帮助。什么意思？以自己的职业晋升和人生路上的落地实践意义的思考才是学习更为高效和有价值的方式。

大家可能24h相同，看的世界和社会内容相同，工作场景相同，信息资讯相同，读的书谈的话相同，但是收获不同，也许就是差那么一些对落地的价值的靠拢和思考。这是高效学习和成长的方式。

借助店长课一句收尾：

互联网+，如果你认为是一个拓客工具的话：那它就是 QQ群 微信群 贴吧；

如果你认为是一个编辑工具的话：那它就是VUE、PPT；

如果你认为是一个便利的购物体验的话：那它就是扫码支付，无现金O2O支付；

但如果你认为是一个生态体系的话：那它将是拓客、工具、抗风险、查问题、便利和一站式客户服务的“互联网+”实体店的完美体验。

未来已来，我们生活在一个好的时代。

最担心，每次听完以后，依然会重复各自原本的样子。

岩石书评 记录读书感悟

PPT是辅助演讲最重要的一个东西，在大学的时候每次开班会做PPT，老是会被辅导员pass掉，重新做。在工作中，年终总结做PPT，老是会被老总pass掉重新做。对于PPT真的很苦恼！所以经过小编的经验，分享给大家做PPT过程中的诀窍。

1、 选择适合的PPT模板

很多人在设计这方面是往往不在行的。就算可以设计出模板，也是很单调的，没有吸引人的感觉。所以这个时候你们就可以在网上找寻一些模板，省下许多时间来准备内容。但是哪里会有很多还看得模板呢？"办公资源"这个网站是真的很了解用户，设计的模板各式各样都是很喜欢。

二、收集并整理素材

提炼文字材料，将不必要的内容大胆删除，更多的展示归纳后的重点阐述。整理文字的同时，图片的收集和整理也必不可少，最好为高像素的图片素材。

三、设计幻灯片内页

幻灯片内页主要以文字、图片为主。当文字比较多时，需要合理使用项目符号、突出字样、行间距等。合理的使用图片，能够打破文稿的单调和枯燥，增加页面美感并很好的表达文字间的逻辑关系。

四、设置幻灯片动画

适当的使用动画，可以增强幻灯片的表现效果，更好的抓住观众眼球。PPT中的动画纪要考虑动画本身的变化，也要考虑动画对于周围环境的影响，同时还要考虑前后关系的影响、PPT的背景、演示环境是否协调。

五、预览幻灯片效果

全部完成后，我们就可以预览一下幻灯片的实际放映效果了，并且对不满意的地方进行微调。

以上就是小编今天要讲的几个技巧，感觉掌握吧！

AIS （ACL、IJCAI、SIGIR） 2018

Session 5： Machine Learning and Applications

“机器学习和应用程序” 专场全程视频分享

以下分享内容根据讲者口头分享整理，具体内容详见论文。

1 申大忠 中国科学技术大学

A Joint Learning Approach to Intelligent Job Interview Assessment

先来看一下我们的Motivation， 面试作为人才招聘中的一个重要环节。受到了越来越多的关注。但是，传统的面试流程中存在着一些不可避免的弊端。比如面试决策主要靠面试官个人的判断，难免会受到面试官个人喜好，经历与才能的影响，造成一定的偏差，特别是对于一些从业初期，没有经验的面试官。而对于一些老练的面试官，他们的经验也很难被初级面试官继承学习到。其次，虽然如今一些公司已经积累大量的招聘面试数据，但是从数据挖掘的角度提升面试效果的工作还很少。特别是发掘优秀面试官的经验方面。

为此，我们这篇工作的目的是通过在大量优秀面试官参与的面试记录中学习，发掘面试中几类文本的内在关系。分别是 “岗位描述，简历与面试评语之间”找寻优秀面试官在面试中主要关注点，从而进一步辅助面试等。改善传统面试中的主观性，片面性问题。

但在这个过程中，我们也发现招聘中的一些现象或者挑战需要我们特殊处理。其一，面试官往往根据候选人的简历来设计面试，导致简历与面试评语之间往往存在着强相关性。其二，简历与岗位描述之间也同样有很强的相关性，但不同的是，一般岗位描述比较简洁，而简历中较具体，而且很多不同经历的人可能同时申请同一份岗位，所以，岗位描述的persity要比简历要小。最后我们还注意到，技术类面试与综合类面试之间具有很大的区别，一个偏向于技术考察，一个侧重于人文素养的考察。我们也要区别对待。

为解决上面的三个挑战。我们提出了我们的模型Joint Learning Model on Interview Assessment（JLMIA） 。我们的模型是基于主题模型LDA拓展推广的。右边是相应的概率图展示，我们认为面试中的各类文本都是由多个主题混合而成的，为刻画面评与简历之间的相关性，我们他两之间共享主题分布thetaA来，同时假设thetaA 由岗位描述主题分布thetaJ生成来刻画简历与岗位的关系，为了进一步刻画岗位描述与简历之间的deversity 不同，我们假设三类文档各自的主题数是不同的。接着为了区分技术与综合面试，我们对来自不同类型的面试文本使用不同的主题集。最后，为了求解我们的模型，我们设计了EM算法。如果大家对我们模型更多的细节感兴趣，可以翻阅我们的文章。

接下来，我们设计了两个应用辅助面试，其一是人岗匹配， 给定一对岗位描述与简历，我们希望度量两者的匹配度。首先我们的模型可以推断出两个文本的各自主题分布作为各自的表征向量，这样我们可以使用多种方法来度量匹配度，例如，向量间的cosine similarity，KL 距离，或者把向量拼接作为匹配对作为特征，添加录取与否的标签，使用有监督方法，训练分类器来预测录取概率。我们在真实面试数据上测试我们的效果，baseline有 LDA bag-of-word,我们的模型在多种度量方式上都要明显优baseline, 可以说我们模型找到了简历和岗位描述之间的一种相关性。

另一个应用是面试问题推荐,假设我们有一个面试问题集，给定一个query 我们希望推荐一个相关的问题子集X,这个问题子集X一方面要与query相关，另一方面，问题集覆盖的知识点要尽可能多，即彼此之间要有差异性。我们把问题当作面试评语推断其主题作为表征。同时考虑问题集的Relevance 与 Diversity 设计优化函数，F。F取得最大值时的问题集为最优解。我们同样在真实面试问题集中测试我们的方法。

我们提出三个评价指标，Relevance、persity、Person Quality，Relevance是说推荐十个问题中有多少个与query相关，persity是说这些相关的问题有多少个是涉及不同的知识点，最后person quality是涉及综合类面试的问题。三个评估指标中，我们的模型推荐的问题 Relevance 与Diversity都较高，这说明推荐的问题不仅与query相关而且覆盖的知识点较多。其次推荐给综合面试的问题涉及Person Quality的问题要比技术面试要高，这也是与实际相符的。而以字符匹配为基础的BM25算法效果比较差， 这可能是由于其很难发掘query中潜在的知识点造成的。更具体的我们在论文中展示了一个例子，进一步可视化解释我们的效果。如果感兴趣可以翻阅我们的文章。

这就是我们在智能面试方面的工作，希望在提高面试评估质量的方面做点贡献，使合适的人在招聘中脱颖而出。谢谢大家。

2 毛宇兆 北京邮电大学

Show and Tell More: Topic-Oriented Multi-Sentence Image Captioning

我们看一下Image Captioning任务，为图像生成文本的描述，它跟图像分类不同的地方可以用句子来描述一幅图片，它能广泛应用在很多领域，比如幼儿教学，盲人导航、自动导游。这是很好的应用，现在导游系统，我们到一个地方突然开始讲了，我也不知道讲什么东西，结合VR眼镜，对准一个，它会为你解说内容。

多媒体的人机对话，还有我们能够为医疗影像图片自动生成一些报告，它有很广的应用。我们的动机是，图像描述通常是为图像生成一个单句子的描述。

我们首先想到的就是LDA模型，首先把这些句子放到LDA模型中去，可以获得一些参数，其中包括句子的主题，以及这个句子主题中的主题词，可以标注在这些图像上面。同时我们也可以可视化我们的主题。第一个主题，描述厨房一些内容，第二个主题，关于颜色，第三个，打电话，第四个，读报纸的一些东西。

我们的贡献是提出了面向主题的模型，用多个句子完整描述图片。我们提出了融合单元门，把主题融入进去，把生成的句子和主题保持一致性。我们也在句子和段落集的数字集上面做了很多实验，证明我们的模型在主题一致性和描述一致性上是有效的。

模型首先是形式化描述，传统来说，一个图像描述的目标就是给定一幅图片最大化句子概率。我们模型，为了要抓住不同侧重点描述，引入主题变量。在给定图片的情况下，一个句子和图像联合分布，可以展成两个项目，其中第一项是面向主题的语言模型，对应我们模型的一个输出，同时第二项是一个主题分类器，对应这个模型的第二个输出。

我们的代价包括两个，一是训练语言模型的代价，二是训练分类器的代价。

我们输入包括两项，第一，已经训练好的LDA，还有一个是LCM的第一时刻我们会输入一个图像，在随后的时刻我们会输入句子。

第一个模块是LSTM单元，它会获得两个表示，一是图像表示，就是h0的输出，还有上下文的表示ht，t 大于0时候的输出。

我们还有融合单元门，把得到的三个表示，一是上下文的表示，还有一个是图像的表示，还有一个是主题的表示，融合方式非常简单，先把主题和图像相乘，然后再拼接到上下文表示，去输出语言模型的概率分布。

我们的模型不是为段落描述设计的，但是在段落数据集上也能获得比较好的性能。

给定一个主题，其中NIC会生成显著部分的描述，而我们的模型会生成跟主题相关的图像细节，这是我们的模型优势。

我们在描述同一场景，比如building的时候会有不同侧面的描述，这是qualitative results。

3 何苯 中国科学院大学

TDNN: A Two-stage Deep Neural Network for Prompt-independent Automated Essay Scoring

自动作文评分，指的是机器学习的方法，自动给作文打一个分，希望这样降低人工评分的代价，美国AES在2005年开始在GRE等里面引入机器评分。

现有作文评分方法，大致分两类，一是主题相关模型，对于每一道作文题有打好分的数据，训练模型，然后预测。二是主题独立的作文评分，有一个年级模拟考试，写出作文，但是没有训练数据，只有过往历史数据，根据过往历史数据有一个模型，迅速打一个分。

以往的方法大部分都是主题相关的模型，结果也非常好，甚至有结果表明它们与人和人之间的一致性还要高。但是主题独立的作文评分相对来说不是那么简单。

针对这个问题，我们在工作中提出了基于直推式transfer learning两阶段的算法。

第一阶段，主题独立阶段，我们训练一个简单的评分模型，它是主题独立模型，使用的也是主题独立的特征。用这个模型预测目标的问题作为评分。这个评分是不靠谱的，但是大体上用这个评分可以知道哪些作文是最好的，哪些是最差的。

第二阶段训练神经网络模型，用来预测目标作文集的作文评分。这个深度神经网络有三部分输入，第一部分，语义网络，它的输入是训练好的embedding，第二部分是POS标记输入，第三部分是句法标记作为输入。我们希望用三个不同的输入，分别捕捉一个作文的语义信息，句子的语法构成。还有段落的一种组织，句法组织方式，来捕捉它们和作文评分的一个关系，经过两层三层的LSTM生成作文表示，它们会被拼接起来，输入到前配网络，得到最终的评分。

本文提出的模型，这三种不同的模型输入，每道作文上最佳baseline的性能比较，除了第七道作文题，其他的几个作文题都有一定程度的提高。八道作文题，平均来讲，上面是baseline，下面是方法不同的特征输入。我们发现提出的方法，平均上来讲在三个指标上都能得到一定程度的提升，最好的特征组合是embedding输入加上句法标记。

另外，尾标记信息它的正确性，虽然它的尾标记评分不准确，尾正例比尾负例要高，同时尾负例比尾正例都要低，准确性都有80%以上，保证了训练的可靠性。

最后总结一下，本文提出两阶段的，基于transfer learning的神经网络模型，希望能够解决主题独立的作文评分任务，结果表明方法有效性，还有一个结论，句法特征被证明对作文打分还是有用的一个特征。

4 周乾荣 北京邮电大学

Differentiated Attentive Representation Learning for Sentence Classification

在现在的很多句子分类模型当中，最重要的一个环节就是句子的表示学习，现阶段基于表示学习的深度模型，大家都会用到一种注意力机制的模型，这种注意力机制对于提高整个句子的分类性能还有模型的科技一致性有很大的帮助。

作为一个总结，相关工作里面，在这种单项的注意力集中当中，使用的引导向量一般是句子的平均向量，或者初始化。这种单量模型上面可以进化出多跳的机制，这种机制主要的一个改变就是原先单跳是对句子进行一次关注，这种多跳会更新在句子上面的关注权重，期望能够在最后一次能够关注到句子中比较重要的部分。

基于单跳的模型在一些比较复杂的句子，或者长的句子上表现性能不是特别好。一般性能上要优于单跳模型，一般来说它会使用一种共享全值方式，也就是多跳的注意力机制，它使用的是统一权重。另外，我们发现这种方式都是在最后一个时刻给分类标签的监督信息，没有在中间提供一些其他有监督的信息。

这里是我们发现的一个问题，这种多跳的模型，一般在第一次关注非常重要。比如第一次关注到错误的地方，后面基本上都是沿着错误的道路越来越远。我们的期望就是如何能够在第一次关注错误的时候转移到正确的地方。

我们模型的一个动机是要找到一种方式，出现错误的时候把这种attention转移到正确的单跳上面，给出预测。我们的动机是关注的时候给出一个信号，这种信号传递一种信息，信息表达的是前面attention表现的好与坏，如果分类出现错误，我们应该告诉后面的hop怎么调整。

在训练方法上，如果说我们直接把两个loss加在一起，其实没有不同之处。我们在GR的loss上面加了一个调节因子，在出现错误的时候，关注到一个不是特别好区域的时候，能够转移它的attention。

这里面我们调节因子采用的是分布函数，意义在于C1在正确标签上预测的概率值，如果这个值比较小，那这个发音会比较大。loss的优化重心放在L2上面。这样显示一个信号，表现的怎么样，这个信号传递给C2。

最后是判别器的loss，而这个loss它的监督信息来自C1和C2的分类loss，用的是一个函数。

我们在实验中发现，如果C1的学习情况对C2影响特别大，如果C1总是给出很尖锐的概率分布，或者很平均的概率分布，都将影响C2的学习。我们对C1的预测输出做一个乘法，保持它在该有的正确标签有一个词，其他的标签上有一个不是特别低的值。最后我们把这三个加在一起统一优化。

在模型层面，我们主要提出了差异化的模型。在问题解决层面，我们提出一种显示的信号转移这种attention，能够有效解决attention bias问题。另外，我们做了一个可视化，看到了模型能够提取出更有表现力的特征，提高了分解性能，谢谢大家。

5 刘一佳 哈尔滨工业大学

Distilling Knowledge for Search-based Structured Prediction

自然语言的结构预测是把...

通过软件把思维导图演变成PPT

由于上一篇文章收藏人数较多，所以在本篇文章中，如果真的对这项能力比较感兴趣的，本号作者建议您评论或收藏。我会在后续进行软件应用的详细步骤讲解。目的是为了通过了解内容并对技能或者知识感兴趣的朋友指导其学会这项技能。做号不易，望各位也不吝评论或者留言其他你认为比较好的软件，我同样会进行学习并分享。

如果没有阅读过上一篇文章的朋友们，建议你们可以点击下方的文章链接查看上一篇发布的文章内容

PPT制作速学-职场技能篇

文章中是将上面这张动态图中白色框选中的1、3、6帧选中后产生的效果。详细可以查看文章或者参照下图中的演示：

图中红色标记的矩形范围与上一篇文章中的图片展示内容相同，所以这就是新功能下的PPT演示效果，在新功能下切换是流线型的，所以不会显得特别生硬或者呆板。

可能由于百家号的缘由导致上一篇文章中的视频可能没有展示出来，如下

本号宗旨：不断学习，能力晋升

愿景：希望收集各位办公软件使用过程中遇到的问题留言，如果问题确实比较有深度或者难度，本号会做出详细的文章或者视频讲解（因为小问题可以百度搜索搞定，^_^）

本号目标：希望通过分享自己学习到的新技能或者新应用给到各位（只围绕工作+学习），目的是为了能够自我自律，形成学习+实践的良好习惯。

工作：指我们在日常办公以及新技能实践方面遇到的问题，可以相互学习与交流；

学习：在书籍上学习到的新知识或者新技能同样也可以作为分享；（本内容希望在后期更新）