雷鋒網(wǎng) AI 科技評(píng)論按：作為自然語(yǔ)言處理領(lǐng)域的頂級(jí)會(huì)議之一，EMNLP 2018 今日在比利時(shí)首都布魯塞爾正式召開。10 月 31 日至 11 月 1 日為 Tutorial 及 Workshop 環(huán)節(jié)，正會(huì)從 11 月 2 日開始，11 月 4 日結(jié)束。為期五天的大會(huì)將包括 3 場(chǎng) Keynote、6 場(chǎng) Tutorial 以及 14 場(chǎng) Workshop。去年，雷鋒網(wǎng) AI 科技評(píng)論第一時(shí)間為大家分享了論文錄用情況、最佳論文解讀。今年，會(huì)上的精彩內(nèi)容也不容錯(cuò)過。以下便是今年的參會(huì)亮點(diǎn)。

亮點(diǎn) 1 ：大咖云集

Keynote 是大會(huì)重頭戲，今年有三場(chǎng) Keynote，主講人為 Johan Bos 、Julia Hirschberg 和 Gideon Mann。

Johan Bos 是來(lái)自荷蘭格羅寧根大學(xué)的計(jì)算機(jī)語(yǔ)義學(xué)教授，他的演講題目為《The Moment of Meaning and the Future of Computational Semantics》，他將在本次演講中分享計(jì)算語(yǔ)義學(xué)在自然語(yǔ)言處理應(yīng)用程序中所起的作用，他認(rèn)為學(xué)界不應(yīng)將眼光局限于語(yǔ)義分析，一旦中性語(yǔ)義表示可以用來(lái)描述推論，事情將變得非常有趣。屆時(shí)他會(huì)以一個(gè)由正式語(yǔ)義表示構(gòu)成、包含多語(yǔ)注釋文本的語(yǔ)料庫(kù)作為輔助說(shuō)明。

Johan Bos

Julia Hirschberg 是哥倫比亞大學(xué)計(jì)算機(jī)科學(xué)系主任，她本次的演講題目為《Truth or Lie? Spoken Indicators of Deception in Speech》，她會(huì)在演講中分享一個(gè)通過口語(yǔ)檢測(cè)來(lái)識(shí)別欺騙行為的方法。在這項(xiàng)研究工作中，分類器被置放于包含欺騙性語(yǔ)料與非欺騙性語(yǔ)料的語(yǔ)料庫(kù)中進(jìn)行訓(xùn)練，為了更好地區(qū)分真話和謊言，他們甚至運(yùn)用了韻律聲學(xué)、詞匯學(xué)、人口統(tǒng)計(jì)和個(gè)性分析等手段進(jìn)一步完善工具。他們進(jìn)一步研究了基于性別、個(gè)性和母語(yǔ)的欺騙行為的差異，并將他們的系統(tǒng)與人類表現(xiàn)進(jìn)行比較。他們還擴(kuò)展研究，以識(shí)別可信的言語(yǔ)和不可信的言語(yǔ)中的特征，以及這些特征在聽話者和說(shuō)話者間的差異。

Julia Hirschberg

Gideon Mann 是彭博有限合伙企業(yè)（Bloomberg L.P.）的數(shù)據(jù)科學(xué)部門主管，他的演講題目為《Understanding the News that Moves Markets》，他將在演講中與大家回顧語(yǔ)言技術(shù)是如何讓資本市場(chǎng)參與者快速對(duì)世界重大事件與突發(fā)商業(yè)事件做出響應(yīng)的，接著他會(huì)分享 NLP 在金融應(yīng)用方面的最新進(jìn)展，以及新興研究正在試圖解決的一些問題。

Gideon Mann

今年的大會(huì)主席是來(lái)自美國(guó)猶他大學(xué)的 Ellen Riloff，她因?yàn)樵?bootstrapping 和信息提取領(lǐng)域的工作而聞名。值得一提的是，蘋果也將參加本屆 EMNLP 大會(huì)，這是蘋果首次以企業(yè)身份參加人工智能學(xué)術(shù)會(huì)議，屆時(shí)他們會(huì)安排 NLP 專家在展臺(tái)與參會(huì)者展開學(xué)術(shù)交流。

亮點(diǎn) 2 ：熟悉的中國(guó)面孔

AI 科技評(píng)論發(fā)現(xiàn)今年有兩場(chǎng) Tutorial 出現(xiàn)國(guó)人身影，分別是 10 月 31 日早上由新加坡理工大學(xué)助理教授 Yue Zhang 主講的《 NLP 聯(lián)合模型》，以及 11 月 1 日下午由微軟亞洲研究院武威與北京大學(xué)助理教授嚴(yán)睿主講的《聊天機(jī)器人的深度學(xué)習(xí)模型》。

《NLP 聯(lián)合模型》著重介紹當(dāng)下 NLP 研究中熱門的聯(lián)合模型，該模型允許相關(guān)任務(wù)共享信息，避免錯(cuò)誤傳播，Yue Zhang 還將與大家回顧統(tǒng)計(jì)和神經(jīng)模式的幾個(gè)主要建模方法；《聊天機(jī)器人的深度學(xué)習(xí)模型》著重介紹聊天機(jī)器人對(duì)話模型的建模工作，總結(jié)分享開放型對(duì)話建模所面臨的挑戰(zhàn)、任務(wù)型對(duì)話模型與開放型對(duì)話建模的區(qū)別，以及開放型對(duì)話領(lǐng)域的一些最新建模方法。

領(lǐng)域主席方面，我們同樣發(fā)現(xiàn)了來(lái)自中國(guó)高校與企業(yè)的身影，其中臺(tái)灣大學(xué)的 Hsin-Hsi Chen 教授擔(dān)任文本挖掘與信息檢索領(lǐng)域主席；香港中文大學(xué)的 Kam-Fai Wong 教授擔(dān)任社交媒體、計(jì)算社會(huì)科學(xué)與情感/觀點(diǎn)分析領(lǐng)域主席；北京大學(xué)的萬(wàn)小軍教授擔(dān)任敘述、對(duì)話、總結(jié)、生成與多模態(tài) NLP 領(lǐng)域主席；清華大學(xué)的劉洋副教授與騰訊AI lab 的涂兆鵬博士擔(dān)任機(jī)器翻譯與多語(yǔ)現(xiàn)象領(lǐng)域主席。

這也意味著，中國(guó)的學(xué)者與企業(yè)研究員將在 EMNLP 2018 中扮演關(guān)鍵的對(duì)話角色。

同樣活躍的還有來(lái)自中國(guó)的企業(yè)贊助商。EMNLP 2018 贊助商分為6 個(gè)等級(jí)（鉆石、鉑金、黃金、白銀、青銅、支持者），其中百度、京東為鉑金贊助商，視源股份、依圖科技、搜狗為黃金贊助商，華為與香儂科技為白銀贊助商。共有7 家國(guó)內(nèi)企業(yè)贊助了 EMNLP 2018。

EMNLP 2018 發(fā)放的官方手提袋

亮點(diǎn) 3：干貨滿滿

Workshop 方面，除了多年延續(xù)下來(lái)的幾場(chǎng)專題會(huì)外，今年還新增由由亞馬遜公司贊助的《NLP神經(jīng)網(wǎng)絡(luò)的分析與闡釋》 以及專注可驗(yàn)證知識(shí)提取的 《事實(shí)提取和驗(yàn)證》Workshop。

參會(huì)者在聚精會(huì)神聽演講

今年的獲獎(jiǎng)?wù)撐囊惨呀?jīng)公布，作為頒獎(jiǎng)禮上最重磅的環(huán)節(jié)，大家可以與最佳長(zhǎng)論文、最佳短論文、最佳資源論文作者交流經(jīng)驗(yàn)，探討學(xué)術(shù)。獲獎(jiǎng)?wù)撐木唧w信息如下：

最佳長(zhǎng)論文

1）《Linguistically-Informed Self-Attention for Semantic Role Labeling》（用于語(yǔ)義角色標(biāo)注的考慮語(yǔ)言學(xué)信息的自我注意力方法）

論文提出基于語(yǔ)言學(xué)的 self-attention（LISA），該神經(jīng)網(wǎng)絡(luò)模型將 multi-head self-attention 與多任務(wù)學(xué)習(xí)相結(jié)合，包括依賴解析、詞性標(biāo)注、謂詞檢測(cè)和語(yǔ)義角色標(biāo)記。與先前需要大量預(yù)處理來(lái)準(zhǔn)備語(yǔ)言特征的模型不同，LISA 可以僅使用原始的 token 對(duì)序列進(jìn)行一次編碼，來(lái)同時(shí)執(zhí)行多個(gè)預(yù)測(cè)任務(wù)。

2）《Phrase-Based & Neural Unsupervised Machine Translation》（基于詞語(yǔ)的、無(wú)監(jiān)督神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯）

本文探討了如何在只有大規(guī)模單語(yǔ)種語(yǔ)料庫(kù)的情況下進(jìn)行機(jī)器翻譯，并提出了兩個(gè)模型（變式）：基于神經(jīng)網(wǎng)絡(luò)/基于短語(yǔ)。兩個(gè)模型使用了精心設(shè)計(jì)的參數(shù)初始化、語(yǔ)言模型的降噪和基于迭代反向翻譯的并行預(yù)料生成。模型的優(yōu)勢(shì)在于操作上更簡(jiǎn)單，同時(shí)具有更少的超參數(shù)。

最佳短論文

《How Much Reading Does Reading Comprehension Require? A Critical Investigation of Popular Benchmarks.》（閱讀理解模型的閱讀量需求？一項(xiàng)關(guān)于流行基準(zhǔn)的批判性調(diào)研工作）

本文為 bAbI、SQuAD、CBT、CNN 和 Whodid-What 數(shù)據(jù)集建立了合理的基線模型，發(fā)現(xiàn)只帶有問題或文章的模型一般有更好的表現(xiàn)。

最佳資源論文

《MultiWOZ - A Large-Scale Multi-Domain Wizard-of-Oz Dataset for Task-Oriented Dialogue Modelling》（MultiWOZ—面向任務(wù)型對(duì)話建模的大規(guī)?？珙I(lǐng)域數(shù)據(jù)集）

盡管機(jī)器學(xué)習(xí)已是對(duì)話研究領(lǐng)域的關(guān)鍵場(chǎng)景，然而可用的數(shù)據(jù)規(guī)模依然很少，阻礙了該研究領(lǐng)域的進(jìn)一步突破。為了解決這一問題，本文引入了 Multi-Domain Wizard-of-Oz 數(shù)據(jù)集（MultiWOZ）——這是一個(gè)涵蓋多個(gè)領(lǐng)域和主題的書面對(duì)話標(biāo)注數(shù)據(jù)集。

按照往年慣例，EMNLP 將在開幕式當(dāng)日公布大會(huì)論文收錄情況，從某些方面來(lái)說(shuō)，這些信息也能反映自然語(yǔ)言處理領(lǐng)域的某種研究趨勢(shì)，雷鋒網(wǎng) AI 科技評(píng)論將持續(xù)關(guān)注大會(huì)動(dòng)態(tài)，為大家?guī)?lái)更多最新信息。

大會(huì)官網(wǎng)：http://emnlp2018.org/ 

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。