0
雷鋒網(wǎng) AI 科技評論按：國際語言學(xué)會（ACL）下屬的 SIGDAT 小組主辦的自然語言處理頂級會議 EMNLP 2018 即將于 10 月 31 日到 11 月 4 日在比利時布魯塞爾舉行，另一個也有不小影響力的會議，ACL 下屬的 SIGNLL 主辦的計算自然語言學(xué)習(xí)會議 CoNLL 2018 也將與 EMNLP 共同召開，時間為 10 月 31 日到 11 月 1 日。
10 月 30 日（美國時間 10 月 29 日），CoNLL 2018 大會公布了論文獎。雷鋒網(wǎng) AI 科技評論介紹如下。
最佳論文獎
Uncovering Divergent Linguistic Information in Word Embeddings with Lessons for Intrinsic and Extrinsic Evaluation
從本征評價和外部評價的對比中學(xué)習(xí)，揭開詞嵌入中包含的多樣化語言信息
論文摘要：隨著單詞嵌入（word embeddings）近年來獲得巨大的成功，有人提出「并不存在完美的單詞表征」的觀點(diǎn)，因?yàn)椴煌哪Ｐ涂倳A向于捕捉不同的語言成分，有時候甚至是互相沖突的成分， 比如語義還是句法，以及相似度還是關(guān)聯(lián)性。在這篇論文中，作者們表明了每種詞嵌入模型捕捉的信息實(shí)際上都比直接體現(xiàn)出的要多。無需任何額外的資源，一個改變模型的相似性順序的線性變換就可以讓它在這些方面展現(xiàn)出更好的表現(xiàn)，這為我們提供了新的視角來理解嵌入對多種語言信息的共同編碼。除此之外，作者們也探索了本征評價方法與外部評價方法之間的關(guān)系，他們發(fā)現(xiàn)所用的線性變換對后續(xù)任務(wù)產(chǎn)生的影響中，對于無監(jiān)督學(xué)習(xí)系統(tǒng)產(chǎn)生的影響比有監(jiān)督學(xué)習(xí)系統(tǒng)更大。
特別獎 - 受人類語言學(xué)習(xí)和處理啟發(fā)法的最佳研究論文
Sequence Classification with Human Attention
利用人類注意力的序列分類
論文摘要：學(xué)習(xí)注意力函數(shù)需要非常大規(guī)模的數(shù)據(jù)，不過有很多自然語言處理任務(wù)都是對人類行為的模擬，在這篇論文中作者們就表明人類的注意力確實(shí)可以為 NLP 中的許多注意力函數(shù)提供一個不錯的歸納偏倚。具體來說，作者們根據(jù)人類閱讀語料時的眼睛動作追蹤數(shù)據(jù)估計出了「人類注意力」，然后用它對 RNN 網(wǎng)絡(luò)中的注意力函數(shù)進(jìn)行正則化。作者們的實(shí)驗(yàn)表明，人類注意力在大量不同的任務(wù)中都帶來了顯著的表現(xiàn)提升，包括情感分析、語法錯誤檢測以及暴力語言檢測。
更多 CoNLL 2018 及 EMNLP 2018 報道，請繼續(xù)關(guān)注雷鋒網(wǎng) AI 科技評論。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
