动机 基于视频的对话是非常具有挑战性的，这是因为(i)包含空间和时间变化的视频的复杂性，以及(ii)用户在视频或者多个对话轮中查询不同片段和/或不同目标的话语的复杂性。然而，现有的基于视频的对话方法往往关注于表面的时间级视觉线索，而不是从视频中获取更细粒度的空间信号。作者的方法旨在通过双向推理框架从视频中检索细粒度信息来挑战基于视频的对话来解决这一问题。与视频对话相关的任务是视频问答和视频c

面向机器阅读理解的双向认知思维网络 专知阅读链接 摘要 本文从互补学习系统理论的角度提出了一种新的阅读理解双向认知知识框架（BCKF）。它旨在模拟大脑中两种回答问题的思维方式，包括逆向思维和惯性思维。为了验证该框架的有效性，我们设计了一个相应的双向认知思维网络（BCTN），对文章进行编码，生成一个给定答案（问题）的问题（答案），并对双向知识进行解耦。该模型具有逆向推理的能力，有助于惯

题面 分析 观察指针移动的性质，可以发现每一段都是从起点走到终点，在原路返回，这样每一段也就表示，在起点处加一，在终点处减一，形成了很明显的差分结构，思考能否构造出a数组的关键就是他的前缀和数组b的b[n]必须等于0，并且每一个 b i b_i bi​都不能小于0，因为起点大于0，终点小于0，所有数都应该是大于等于0的，在某一个下标一旦前缀和数组元素等于0，代表开始原路返回，这是走过最长的一段

论文链接：https://arxiv.org/pdf/2001.06362.pdf 目录 摘要 1 简介 2 相关工作 3 初步说明 表示法  图卷积网络 DropEdge Bi-GCN谣言检测模型 1 构造传播图和散布图 2 计算高级节点表示         3 根特征增强 4 谣言分类的传播和散布表示 4 实验 设置和数据集 整体表现 消融研究 早期谣言检测