2020年4月3日，備受矚目的NLP頂會(huì) ACL 2020 公布了錄用論文情況。本屆ACL 共收到 3429 篇投稿，相比于去年增加了500多篇，盡管接收論文數(shù)量還沒(méi)有統(tǒng)計(jì)，但相比于去年必然將只多不少。作為國(guó)內(nèi)頂尖的自然語(yǔ)言處理團(tuán)隊(duì)之一，哈工大社會(huì)計(jì)算與信息檢索研究中心 (HIT-SCIR) 不負(fù)所望，延續(xù)8篇 EMNLP 2019 ，8篇 AAAI 2020 之后，在這次 ACL 2020 中再次有 8 篇論文錄用，且皆為 long paper。國(guó)內(nèi)頂尖，當(dāng)之無(wú)愧！

為促進(jìn)學(xué)術(shù)交流，讓更多師生及時(shí)了解最新前沿研究，AI科技評(píng)論聯(lián)合 HIT-SCIR，重磅推出「ACL 2020 -哈工大系列論文解讀」，其中包括兩場(chǎng)直播，一場(chǎng)錄播，以及多篇文字解讀內(nèi)容。

在4月16日，將首先推出一場(chǎng)有關(guān)「對(duì)話(huà)系統(tǒng)」的直播。主講人為著名青年學(xué)者車(chē)萬(wàn)翔教授高徒覃立波，他的分享主題為「多領(lǐng)域端到端任務(wù)型對(duì)話(huà)系統(tǒng)」。覃立波目前在西湖大學(xué)張?jiān)澜淌诘慕M里訪問(wèn)，因此這項(xiàng)工作也有張?jiān)澜淌诘闹笇?dǎo)在。

緊隨其后，也將在4月17日，推出車(chē)萬(wàn)翔教授另一名高徒侯宇泰的直播，其工作探究了少樣本槽位提取問(wèn)題（Few-shot Slot-Tagging）。此次直播，他將分享針對(duì)few-shot序列預(yù)測(cè)任務(wù)帶來(lái)的建模序列標(biāo)簽依賴(lài)等獨(dú)有挑戰(zhàn)，給出全新的方法。

除此之外，我們也將通過(guò)錄播形式展示劉挺教授和張偉男副教授共同指導(dǎo)的博士生宋皓宇的研究工作，主題為「生成、刪除和重寫(xiě)：提高對(duì)話(huà)生成中人物角色一致性的三階段框架」，聽(tīng)著就很帶感。簡(jiǎn)單來(lái)說(shuō)便是，提出一個(gè)全新的三階段對(duì)話(huà)生成框架，解決對(duì)話(huà)過(guò)程中角色一致性問(wèn)題。

上述三場(chǎng)直播/錄播的論文簡(jiǎn)介如下：

1、題目：Dynamic Fusion Network for Multi-Domain End-to-end Task-Oriented Dialog

作者：覃立波，徐嘯，車(chē)萬(wàn)翔，張?jiān)溃瑒⑼?/p>

摘要：最近，端到端的任務(wù)型對(duì)話(huà)系統(tǒng)的研究已經(jīng)取得了巨大的成功。但是，大多數(shù)神經(jīng)網(wǎng)絡(luò)模型都依賴(lài)于大量的訓(xùn)練數(shù)據(jù)，這些數(shù)據(jù)往往局限于一些特定的領(lǐng)域，例如導(dǎo)航和查詢(xún)天氣等領(lǐng)域。這使得現(xiàn)有模型很難泛化到標(biāo)注數(shù)據(jù)以外的新領(lǐng)域下。并且，如何有效利用源領(lǐng)域的標(biāo)注數(shù)據(jù)來(lái)提升較少標(biāo)注數(shù)據(jù)的新領(lǐng)域，或者是沒(méi)有標(biāo)注數(shù)據(jù)的新領(lǐng)域的性能，這樣的工作很少。因此，我們首次在端到端任務(wù)型對(duì)話(huà)系統(tǒng)中提出一個(gè)shared-private 框架去顯式學(xué)習(xí)領(lǐng)域特有的和領(lǐng)域共享的知識(shí)。此外，我們提出了一種新穎的動(dòng)態(tài)融合網(wǎng)絡(luò)（DF-Net）來(lái)動(dòng)態(tài)探索目標(biāo)領(lǐng)域與每個(gè)領(lǐng)域之間的相關(guān)性。在兩個(gè)公開(kāi)的數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明我們的模型不僅達(dá)到SOTA性能，并且，在few-shot的場(chǎng)景下，我們模型的性能要比之前的最佳模型平均高13.9％ F1 score，這進(jìn)一步驗(yàn)證了我們模型的可遷移性。

 

2、題目：Few-shot Slot Tagging with Collapsed Dependency Transfer and Label-enhanced Task-adaptive Projection Network

作者：侯宇泰，車(chē)萬(wàn)翔，賴(lài)勇魁，周之涵，劉一佳，劉晗，劉挺

摘要：在本文中，我們研究了少樣本槽位提取問(wèn)題（Few-shot Slot-Tagging）。與其他廣泛研究的少樣本問(wèn)題相比，少樣本槽位提取面臨著“建模標(biāo)簽間依賴(lài)關(guān)系”的獨(dú)特挑戰(zhàn)。但是，由于不同領(lǐng)域間存在標(biāo)簽集的差異，我們很難將先前學(xué)習(xí)的標(biāo)簽依賴(lài)應(yīng)用于新的領(lǐng)域。為了解決這個(gè)問(wèn)題，我們?cè)贑RF中引入了折疊的依賴(lài)關(guān)系遷移機(jī)制（Collapsed Dependency Transfer），通過(guò)建模抽象的標(biāo)簽依賴(lài)關(guān)系來(lái)實(shí)現(xiàn)這種遷移。在小樣本和元學(xué)習(xí)的情景下，CRF的發(fā)射概率可以用利用度量學(xué)習(xí)得到：計(jì)算為單詞與每個(gè)標(biāo)簽類(lèi)別的相似度。為了計(jì)算這種相似性，我們?cè)诮诘膱D像小樣本分類(lèi)模型TapNet基礎(chǔ)上，利用標(biāo)簽名稱(chēng)語(yǔ)義來(lái)表示標(biāo)簽，提出了一種標(biāo)簽增強(qiáng)的任務(wù)自適應(yīng)投影網(wǎng)絡(luò)（L-TapNet）。實(shí)驗(yàn)結(jié)果表明，我們的模型在1-shot實(shí)驗(yàn)中以14.14 F1的分?jǐn)?shù)明顯優(yōu)于最強(qiáng)現(xiàn)有相關(guān)系統(tǒng)。

3、題目：Generate, Delete and Rewrite: A Three-Stage Framework for Improving Persona Consistency of Dialogue Generation

作者：宋皓宇，王琰，張偉男，劉曉江，劉挺

摘要：在對(duì)話(huà)過(guò)程中保持一致的角色屬性信息對(duì)人類(lèi)來(lái)說(shuō)是很容易的，但對(duì)機(jī)器來(lái)說(shuō)，這仍然是一項(xiàng)有待探索的任務(wù)。近幾年，基于角色屬性的對(duì)話(huà)生成任務(wù)被提出來(lái)，旨在通過(guò)在對(duì)話(huà)生成模型中加入顯式的角色文本來(lái)解決屬性一致性問(wèn)題。雖然現(xiàn)有的基于角色的對(duì)話(huà)生成模型在生成類(lèi)似人類(lèi)的回復(fù)上取得了成功，但是它們的單階段解碼框架很難避免生成不一致的角色詞。在這項(xiàng)工作中，我們提出了一個(gè)三階段的對(duì)話(huà)生成框架。該框架使用生成-刪除-重寫(xiě)機(jī)制從生成的原型回復(fù)中刪除不一致的詞語(yǔ)，然后進(jìn)一步將其改寫(xiě)為屬性信息一致的回復(fù)。我們通過(guò)人工評(píng)價(jià)和自動(dòng)指標(biāo)進(jìn)行了評(píng)估。在PersonaChat數(shù)據(jù)集上的實(shí)驗(yàn)表明，我們的方法獲得了非常好的性能。

               

 如何上課？

掃碼關(guān)注[ AI研習(xí)社頂會(huì)小助手（AIyanxishe2） ] 微信號(hào)，發(fā)送關(guān)鍵字“ACL 2020+直播”，即可進(jìn)群觀看直播和獲取課程資料。

ACL 2020原定于2020年7月5日至10日在美國(guó)華盛頓西雅圖舉行，因新冠肺炎疫情改為線(xiàn)上會(huì)議。為促進(jìn)學(xué)術(shù)交流，方便國(guó)內(nèi)師生提早了解自然語(yǔ)言處理（NLP）前沿研究，AI 科技評(píng)論將推出「ACL 實(shí)驗(yàn)室系列論文解讀」內(nèi)容，同時(shí)歡迎更多實(shí)驗(yàn)室參與分享，敬請(qǐng)期待！

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。