新鮮出爐，哈工大 ACL 2020 系列論文直播

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)量還沒有統(tǒng)計(jì)，但相比于去年必然將只多不少。作為國內(nèi)頂尖的自然語言處理團(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。國內(nèi)頂尖，當(dāng)之無愧！

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」，其中包括兩場直播，一場錄播，以及多篇文字解讀內(nèi)容。

在4月16日，將首先推出一場有關(guān)「對話系統(tǒng)」的直播。主講人為著名青年學(xué)者車萬翔教授高徒覃立波，他的分享主題為「多領(lǐng)域端到端任務(wù)型對話系統(tǒng)」。覃立波目前在西湖大學(xué)張?jiān)澜淌诘慕M里訪問，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，推出車萬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題（Few-shot Slot-Tagging）。此次直播，他將分享針對few-shot序列預(yù)測任務(wù)帶來的建模序列標(biāo)簽依賴等獨(dú)有挑戰(zhàn)，給出全新的方法。

除此之外，我們也將通過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：提高對話生成中人物角色一致性的三階段框架」，聽著就很帶感。簡單來說便是，提出一個(gè)全新的三階段對話生成框架，解決對話過程中角色一致性問題。

上述三場直播/錄播的論文簡介如下：

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

作者：覃立波，徐嘯，車萬翔，張?jiān)溃瑒⑼?/p>

摘要：最近，端到端的任務(wù)型對話系統(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)來提升較少標(biāo)注數(shù)據(jù)的新領(lǐng)域，或者是沒有標(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)型對話系統(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。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，車萬翔，賴勇魁，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題（Few-shot Slot-Tagging）。與其他廣泛研究的少樣本問題相比，少樣本槽位提取面臨著“建模標(biāo)簽間依賴關(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)簽依賴應(yīng)用于新的領(lǐng)域。為了解決這個(gè)問題，我們在CRF中引入了折疊的依賴關(guān)系遷移機(jī)制（Collapsed Dependency Transfer），通過建模抽象的標(biāo)簽依賴關(guān)系來實(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)簽類別的相似度。為了計(jì)算這種相似性，我們在近期的圖像小樣本分類模型TapNet基礎(chǔ)上，利用標(biāo)簽名稱語義來表示標(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：在對話過程中保持一致的角色屬性信息對人類來說是很容易的，但對機(jī)器來說，這仍然是一項(xiàng)有待探索的任務(wù)。近幾年，基于角色屬性的對話生成任務(wù)被提出來，旨在通過在對話生成模型中加入顯式的角色文本來解決屬性一致性問題。雖然現(xiàn)有的基于角色的對話生成模型在生成類似人類的回復(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)三階段的對話生成框架。該框架使用生成-刪除-重寫機(jī)制從生成的原型回復(fù)中刪除不一致的詞語，然后進(jìn)一步將其改寫為屬性信息一致的回復(fù)。我們通過人工評價(jià)和自動(dòng)指標(biāo)進(jìn)行了評估。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，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，方便國內(nèi)師生提早了解自然語言處理（NLP）前沿研究，AI 科技評論將推出「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，敬請期待！