<mark id="oztn4"></mark>
0
| 本文作者： AI科技評論 | 2020-05-06 11:24 | 專題：ACL 2019 |
疫情之后，“舊的世界”將不復存在
線上直播將成為學術交流的重要形式
2020年4月3日，NLP 頂會 ACL 2020 公布錄用論文之后，AI科技評論相繼與哈工大、復旦大學聯合舉辦兩期「ACL 系列解讀」直播活動，受到廣大師生的好評。
在此基礎上，我們在此聯合清華大學交互式人工智能課題組(Conversational AI, CoAI)推出第三期實驗室系列解讀直播活動——「ACL 2020 清華大學CoAI 系列論文解讀」。
交互式人工智能課題組(Conversational AI, CoAI)隸屬于清華大學計算機系人工智能實驗室，由我國NLP領域的著名學者朱小燕教授、黃民烈副教授聯合指導，主要從事機器學習與自然語言處理的應用基礎研究，研究方向包括深度學習、強化學習、問答系統、對話系統、情感理解、邏輯推理、語言生成等。
在本屆 ACL 會議中，CoAI實驗室共有三篇長文、一篇 Demo 錄用，此外還有兩篇被 TACL 錄用并將在 ACL 2020 展示。這些論文分別包括故事生成、閱讀理解、對話以及相關數據集等的研究工作。
為促進學術交流，讓更多師生及時了解最新前沿研究，AI科技評論聯合清華大學CoAI，重磅推出「ACL 2020 清華大學CoAI 系列論文解讀」。我們將在5月6日-10日，連續5天進行 5 場直播，全面覆蓋清華大學CoAI課題組在ACL上相關的全部工作。
系列解讀活動簡介如下，歡迎屆時關注。
主題一：多智能體對話策略學習
時間：2020年5月6日（周三）晚20:00整
論文：Multi-Agent Task-Oriented Dialog Policy Learning with Role-Aware Reward Decomposition
主講人：高信龍一
摘要：近年來，許多研究都采用用戶模擬器來獲得大量的模擬用戶體驗，以滿足強化學習算法在對話策略中的訓練。然而，建模一個逼真的用戶模擬器是具有挑戰性的。為了避免構建用戶模擬器，我們提出了多智能體對話策略學習法，將系統和用戶均視作對話代理聯合學習，并提出了混合價值網絡用于角色感知的獎勵分解，以整合各代理在任務導向型對話中角色特定的領域知識。
主題二：預訓練語言模型在故事生成場景下的應用和挑戰
時間：2020年5月7日（周四）晚20:00整
論文：A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation
主講人：關健
摘要：故事生成，要求根據給定的上文生成合理的故事，是一項重要但具有挑戰性的任務。現有的基于預訓練的語言生成模型（例如GPT-2）盡管在建模流暢性和局部連貫性方面取得了成功，但仍然會產生重復、邏輯沖突以及缺乏長距離連貫性的問題。這是由于這些生成模型難以關聯相關常識、理解因果關系以及按適當的時間順序來規劃故事中的實體和事件。因此，如何利用預訓練模型生成更合理的故事仍然存在很多挑戰和提升空間。
主題三：KdConv: 知識驅動的中文多輪對話數據集
時間：2020年5月8日（周五）晚20:00整
論文：KdConv: A Chinese Multi-domain Dialogue Dataset Towards Multi-turn Knowledge-driven Conversation
主講人：周昊
摘要： 在非任務導向型人機對話系統領域，盡管對話生成的任務得到了廣泛的研究，但是對于驅動對話生成的知識的建模卻由于缺少數據支持亟待研究。如可以在多輪對話中有效的對知識的交互進行建模，則可以極大地提升對話系統的邏輯性，信息量，可解釋性等智能化程度，從而帶來更好的用戶體驗。在本次分享中，講者將介紹一個最新構造的知識驅動的中文多輪對話數據集KdConv，并分析知識建模在對話系統中的應用。
主題四：任務導向對話的數據和平臺建設
時間：2020年5月9日（周六）晚20:00整
論文：
1）ConvLab-2: An Open-Source Toolkit for Building, Evaluating, and Diagnosing Dialogue Systems
2）CrossWOZ: A Large-Scale Chinese Cross-Domain Task-Oriented Dialogue Dataset
主講人：朱祺
摘要：近年來，任務導向對話受到了越來越多的關注，涌現出許多數據集和基于神經網絡的模型。為了推動多領域對話的研究和填補中文數據的空白，我們提出了CrossWOZ，第一個中文大規模任務導向對話數據集。此外，為了對多種形式構建的對話系統進行統一端到端評測，我們開發了ConvLab-2對話平臺，支持用最新的模型快速搭建、評估、診斷對話系統。
主題五：非抽取式機器閱讀理解
時間：2020年5月10日（周日）晚20:00整
論文：A Self-Training Method for Machine Reading Comprehension with Soft Evidence Extraction
主講人：牛藝霖
摘要：在抽取式機器閱讀理解任務中，答案來自于文章中的片段，因此可以根據答案定位文中的證據信息，從而有監督地訓練證據抽取模塊。在非抽取式閱讀理解任務中，無法根據答案自動化地標出文中的證據信息，在這種情況下，難以有效地訓練證據抽取模塊，難以過濾文中大量的干擾信息。因此，如何通過無/弱監督的方式訓練證據抽取模塊，對于非抽取式機器閱讀理解來說十分重要。
如何加入？
掃碼關注[ AI研習社頂會小助手] 微信號，發送關鍵字“ACL 2020+直播”，即可進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議。為促進學術交流，方便國內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 實驗室系列論文解讀」內容，同時歡迎更多實驗室參與分享，敬請期待！
雷鋒網雷鋒網雷鋒網
專題
