AI 科技評(píng)論聯(lián)合復(fù)旦大學(xué)，推出「ACL 2020 - 復(fù)旦大學(xué)系列論文解讀」。 

AI科技評(píng)論 x 復(fù)旦大學(xué)

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。

繼上周AI科技評(píng)論聯(lián)合哈工大 SCIR 實(shí)驗(yàn)室推出「ACL 2020 哈工大系列解讀」之后，我們?cè)俅温≈赝瞥?ACL 2020 實(shí)驗(yàn)室系列解讀：ACL 2020 復(fù)旦大學(xué)系列解讀。

復(fù)旦大學(xué)作為全國(guó)頂尖高校，在自然語(yǔ)言處理領(lǐng)域也當(dāng)之無(wú)愧位列國(guó)內(nèi)頂尖高校之列。其在 NLP 方向的研究歷史，可追溯到上世紀(jì)80年代，由我國(guó) NLP 開(kāi)路人吳立德教授（同時(shí)也是我國(guó) CV 領(lǐng)域早期少有的著名學(xué)者）一手帶起，并由其弟子黃萱菁、邱錫鵬、張奇等學(xué)者繼承和發(fā)揚(yáng)光大。近年來(lái)，復(fù)旦大學(xué)每年在 NLP 各大頂會(huì)中都有十多篇論文發(fā)表。今年也不例外。在本屆 ACL 2020 中，復(fù)旦大學(xué)自然語(yǔ)言處理團(tuán)隊(duì)再次有多篇論文（ 4篇長(zhǎng)文，1 篇短文，1 篇校外合作）錄用。

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)合復(fù)旦大學(xué)，重磅推出「ACL 2020 復(fù)旦大學(xué)系列解讀」。我們將在4月25-27日，連續(xù)三天進(jìn)行 3 場(chǎng)直播，其中包含 5 篇 ACL 論文以及復(fù)旦大學(xué)在相關(guān)方面的研究進(jìn)展。

在4月25 日（周六），我們將首先推出一場(chǎng)有關(guān)「提取式文摘」的直播。主講人為王丹青（導(dǎo)師：邱錫鵬副教授，黃萱菁教授）、鐘鳴（導(dǎo)師：邱錫鵬副教授）。在這場(chǎng)直播中，兩位主講人將重點(diǎn)介紹他們?cè)?ACL 2019 和 ACL 2020 的三篇抽取式摘要工作。

緊隨其后，我們也將在4月26日（周日），推出一場(chǎng)關(guān)于「結(jié)合中文命名實(shí)體識(shí)別」的直播，主講人為馬若恬（導(dǎo)師：張奇教授、黃萱菁教授）和李孝男（西電大四學(xué)生，復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院邱錫鵬副教授2020級(jí)博士生）。命名實(shí)體識(shí)別對(duì) NLP 研究的重要性不言而喻，在這場(chǎng)直播分享中，兩位主講人將結(jié)合他們 ACL 2020 論文的研究介紹復(fù)旦大學(xué)在這方面的整體工作。

在4月27 日，直播內(nèi)容與「魯棒的依存分析」有關(guān)。主講人為曾捷航（導(dǎo)師：鄭驍慶副教授）。曾捷航的研究方向涉及文本對(duì)抗攻擊與防御，模型魯棒性等問(wèn)題。在自然語(yǔ)言處理領(lǐng)域，與對(duì)抗樣本相關(guān)的研究較少，這場(chǎng)直播分享將從文本對(duì)抗樣本問(wèn)題出發(fā)，分析主要做法、存在問(wèn)題，并將其拓展到依存句法領(lǐng)域。

上述三場(chǎng)直播，簡(jiǎn)介如下：

主題一：不同粒度的抽取式文本摘要系統(tǒng)

論文：

1）Heterogeneous Graph Neural Networks for Extractive Document Summarization

2）Extractive Summarization as Text Matching

主講人：王丹青、鐘鳴

摘要：文本摘要任務(wù)涉及到語(yǔ)義理解等核心問(wèn)題，是自然語(yǔ)言處理的主流任務(wù)之一，在信息爆炸時(shí)代的應(yīng)用也愈發(fā)廣泛。文本摘要任務(wù)主要分為生成式和抽取式，本次將重點(diǎn)分享我們?cè)?ACL 2019 和 ACL 2020 的三篇抽取式摘要工作?；谌ツ旯ぷ髦袑?duì)句子級(jí)摘要系統(tǒng)的分析與結(jié)論，我們此次提出一個(gè)新穎的基于圖神經(jīng)網(wǎng)絡(luò)建模單詞與句子以及句間關(guān)系的模型，并在另一篇工作中提出可以從摘要級(jí)的角度來(lái)建立匹配模型并解決抽取式摘要任務(wù)。

 

主題二：結(jié)合詞典的中文命名實(shí)體識(shí)別

論文：

1）Simplify the Usage of Lexicon in Chinese NER

2）Chinese NER Using Flat-Lattice Transformer

主講人：馬若恬, 李孝男

摘要：命名實(shí)體識(shí)別（Named Entity Recognition，NER）是自然語(yǔ)言處理中最基礎(chǔ)的任務(wù)之一，對(duì)很多下游任務(wù)來(lái)說(shuō)必不可少。但在中文里，NER與分詞耦合在了一起，結(jié)合詞典的中文命名實(shí)體識(shí)別能夠有效解決詞級(jí)別和字級(jí)別中文命名實(shí)體識(shí)別的問(wèn)題。本次我們將分享這一領(lǐng)域的相關(guān)工作，并介紹我們的工作：

1.簡(jiǎn)化中文命名實(shí)體識(shí)別中的詞匯使用 

2.使用Flat Lattice Transformer的中文命名實(shí)體識(shí)別

 

主題三：基于對(duì)抗樣本的依存句法模型魯棒性分析

論文：

1）Evaluating and Enhancing the Robustness of Neural Network-based Dependency Parsing Models with Adversarial Examples

主講人：曾捷航

摘要：對(duì)抗樣本問(wèn)題的存在使得深度學(xué)習(xí)模型在應(yīng)用落地上存在大量的潛在風(fēng)險(xiǎn)，對(duì)抗樣本已經(jīng)在計(jì)算機(jī)視覺(jué)領(lǐng)域取得了不少研究成果，包括多種攻擊與防御方法，最終目的是為了提高深度學(xué)習(xí)模型的魯棒性。在自然語(yǔ)言處理領(lǐng)域，與對(duì)抗樣本相關(guān)的研究較少，本次分享從文本對(duì)抗樣本問(wèn)題出發(fā)，分析主要做法、存在問(wèn)題，并將其拓展到依存句法領(lǐng)域。

如何參與？

掃碼關(guān)注[ AI研習(xí)社頂會(huì)小助手] 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)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。