江苏龙网

  1. 首页 > 人文 > >

「AI科技评论TB」ACL 2020 系列论文直播，新鲜出炉，哈工大


「AI科技评论TB」ACL 2020 系列论文直播，新鲜出炉，哈工大
文章图片
2020年4月3日 ， 备受瞩目的NLP顶会ACL2020公布了录用论文情况 。 本届ACL共收到3429篇投稿 ， 相比于去年增加了500多篇 ， 尽管接收论文数量还没有统计 ， 但相比于去年必然将只多不少 。
作为国内顶尖的自然语言处理团队之一 ， 哈工大社会计算与信息检索研究中心(HIT-SCIR)不负所望 ， 延续8篇EMNLP2019 ， 8篇AAAI2020之后 ， 在这次ACL2020中再次有8篇论文录用 ， 且皆为longpaper 。 国内顶尖 ， 当之无愧！
为促进学术交流 ， 让更多师生及时了解最新前沿研究 ， AI科技评论联合HIT-SCIR ， 重磅推出「ACL2020-哈工大系列论文解读」 ， 其中包括两场直播 ， 一场录播 ， 以及多篇文字解读内容 。
在4月16日 ， 将首先推出一场有关「对话系统」的直播 。 主讲人为著名青年学者车万翔教授高徒覃立波 ， 他的分享主题为「多领域端到端任务型对话系统」 。 覃立波目前在西湖大学张岳教授的组里访问 ， 因此这项工作也有张岳教授的指导在 。
紧随其后 ， 也将在4月17日 ， 推出车万翔教授另一名高徒侯宇泰的直播 ， 其工作探究了少样本槽位提取问题（Few-shotSlot-Tagging） 。 此次直播 ， 他将分享针对few-shot序列预测任务带来的建模序列标签依赖等独有挑战 ， 给出全新的方法 。
除此之外 ， 我们也将通过录播形式展示刘挺教授和张伟男副教授共同指导的博士生宋皓宇的研究工作 ， 主题为「生成、删除和重写：提高对话生成中人物角色一致性的三阶段框架」 ， 听着就很带感 。 简单来说便是 ， 提出一个全新的三阶段对话生成框架 ， 解决对话过程中角色一致性问题 。
上述三场直播/录播的论文简介如下：
1、题目：DynamicFusionNetworkforMulti-DomainEnd-to-endTask-OrientedDialog
作者：覃立波 ， 徐啸 ， 车万翔 ， 张岳 ， 刘挺
摘要：最近 ， 端到端的任务型对话系统的研究已经取得了巨大的成功 。 但是 ， 大多数神经网络模型都依赖于大量的训练数据 ， 这些数据往往局限于一些特定的领域 ， 例如导航和查询天气等领域 。 这使得现有模型很难泛化到标注数据以外的新领域下 。 并且 ， 如何有效利用源领域的标注数据来提升较少标注数据的新领域 ， 或者是没有标注数据的新领域的性能 ， 这样的工作很少 。 因此 ， 我们首次在端到端任务型对话系统中提出一个shared-private框架去显式学习领域特有的和领域共享的知识 。 此外 ， 我们提出了一种新颖的动态融合网络（DF-Net）来动态探索目标领域与每个领域之间的相关性 。 在两个公开的数据集上的实验结果表明我们的模型不仅达到SOTA性能 ， 并且 ， 在few-shot的场景下 ， 我们模型的性能要比之前的最佳模型平均高13.9％F1score ， 这进一步验证了我们模型的可迁移性 。
2、题目：Few-shotSlotTaggingwithCollapsedDependencyTransferandLabel-enhancedTask-adaptiveProjectionNetwork
作者：侯宇泰 ， 车万翔 ， 赖勇魁 ， 周之涵 ， 刘一佳 ， 刘晗 ， 刘挺
摘要：在本文中 ， 我们研究了少样本槽位提取问题（Few-shotSlot-Tagging） 。 与其他广泛研究的少样本问题相比 ， 少样本槽位提取面临着“建模标签间依赖关系”的独特挑战 。 但是 ， 由于不同领域间存在标签集的差异 ， 我们很难将先前学习的标签依赖应用于新的领域 。 为了解决这个问题 ， 我们在CRF中引入了折叠的依赖关系迁移机制（CollapsedDependencyTransfer） ， 通过建模抽象的标签依赖关系来实现这种迁移 。 在小样本和元学习的情景下 ， CRF的发射概率可以用利用度量学习得到：计算为单词与每个标签类别的相似度 。 为了计算这种相似性 ， 我们在近期的图像小样本分类模型TapNet基础上 ， 利用标签名称语义来表示标签 ， 提出了一种标签增强的任务自适应投影网络（L-TapNet） 。 实验结果表明 ， 我们的模型在1-shot实验中以14.14F1的分数明显优于最强现有相关系统 。


推荐阅读


上一篇：「刘潇潇说财经」操作策略和买入小技巧，【医药行业跟踪】本周医疗六大机会

下一篇：『东方财富网』Esprit品牌老化记