<mark id="oztn4"></mark>
0
| 本文作者： sanman | 編輯：汪思穎 | 2018-07-13 17:15 | 專題：ACL 2018 |
雷鋒網 AI 科技評論按：7 月 9 日，自然語言處理頂會 ACL 公布了最佳 demo 論文的四篇候選論文，名單如下：
CRUISE: Cold-Start New Skill Development via Iterative Utterance Generation
Out-of-the-box Universal Romanization Tool
Platforms for Non-Speakers Annotating Names in Any Language
YEDDA: A lightweight Collaborative Text Span Annotation Tool
值得注意的是，四篇論文中有三篇論文的一作是中國研究者，他們分別是目前任職于三星美國研究中心的 Yilin Shen，倫斯勒理工學院博士生 Ying Lin，新加坡科技設計大學（SUTD）博士生 Jie Yang。最佳 demo 論文獎將在主會最佳論文 session 環節揭曉，屆時雷鋒網 AI 科技評論將會第一時間帶來現場報導。
本文將對這四篇論文進行簡單介紹。
CRUISE: Cold-Start New Skill Development via Iterative Utterance Generation
CRUISE：基于迭代語料生成的冷啟動新技能開發
論文摘要：我們提出了 CRUISE 系統，它可以指導普通軟件開發者從頭開始構建高質量的自然語言理解（NLU）引擎。構建該引擎是給個人助手（智能語音助手）添加新技能的基礎步驟。與開發者或眾包手動標注大量語料的現有解決方案不同，我們設計了一種基于規則和數據驅動的混合方法，該方法可以迭代生成越來越多的語料。我們的系統只需要少量人工在迭代中修改錯誤語料即可。CRUISE 系統會生成一個「訓練有素」的 NLU 引擎，同時還會生成一個大型已注釋語料庫，第三方可以基于此來開發自定義技能。通過使用基準數據集和自定義數據集，我們收集到了現實世界的設定，NLU 性能比賽和人類評價則證實了 CRUISE 生成語料的高質量。我們的工作大幅降低了人類認知負荷，同時縮短了人工剪枝時間。
論文作者：Yilin Shen, Avik Ray, Abhishek Patel，Hongxia Jin
Out-of-the-box Universal Romanization Tool
開箱即用的通用羅馬化工具
論文摘要：我們想介紹 uroman，這個工具可以把五花八門的語言和文字（如中文、阿拉伯語、西里爾文）轉換為普通拉丁文。該工具基于 Unicode 數據以及其他表，可以處理幾乎所有的字符集（包括一些晦澀難懂的語言比如藏文和提非納文）。uroman 還可以將不同文本中的數字轉換為阿拉伯數字。羅馬化讓比較不同文本的字符串相似性變得更加容易，因為不再需要將兩種文字翻譯成中間文字再比較。本工具作為一個 Perl 腳本，可以免費提供，可用于數據處理管道和交互式演示網頁。
論文作者：Ulf Hermjakob, Jonathan May，Kevin Knight
Platforms for Non-Speakers Annotating Names in Any Language
未知語言標注平臺
論文摘要：我們將演示兩個標注平臺，在該平臺上，英語母語者即使不熟悉某種語言也可以用該語言進行標注。這些平臺可以為低資源語言提供高質量的「銀標」注釋。平臺目前在 LoreHLT20171 上的奧羅莫語和提格里尼亞語上取得了最佳成績，在 TAC-KBP EDL2017 的十項語言上取得了最佳成績。我們討論了平臺的優點和局限性，并與其他的未知語言標注方法進行了比較。我們將向研究者們公開該工具。
論文作者：Ying Lin, Cash Costello, Boliang Zhang, Di Lu, Heng Ji, James Mayfield，Paul McNamee
YEDDA: a lightweight collaborative text span annotation tool
YEDDA：一種輕量型文本范圍注釋工具
論文摘要：在論文中，我們將介紹 YEDDA——一個輕量、高效且全面的開源文本范圍注釋工具。Yedda 為文本范圍注釋提供了系統化的解決方案，涵蓋了用戶協作標注到管理員評估與分析等需求。Yedda 可以用命令行和快捷鍵對文本進行標注，并以此克服傳統文本標注工具的低效率，用戶可以自定義命令行和快捷鍵。Yedda 還可以通過學習最新標注文本智能化為用戶提供標注意見。我們還開發了管理員客戶端用以評估多個注釋器的標注質量，并為每個注釋器生成詳細的比較報告。實驗表明，相較于現有標注工具，我們的系統可以節省一半的時間，使用智能推薦還能再節省 16.47% 的時間。
論文作者：Jie Yang, Yue Zhang, Linwei Li and Xingxuan Li
via：https://acl2018.org/2018/07/09/best-demo-candidates/
雷鋒網 AI 科技評論將會第一時間為大家帶來 ACL 現場報道，敬請關注。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
