ACL 2018 國內(nèi)企業(yè)錄用論文一覽

ACL 是計算機(jī)語言學(xué)領(lǐng)域的頂級學(xué)術(shù)會議，ACL 2018 于 7 月 15 日-7 月 20 日在墨爾本召開。雷鋒網(wǎng)整理了多家國內(nèi)企業(yè)的錄用論文。

百度

2018 年，百度有多篇論文被 ACL 2018 大會錄用。在論文《Multi-Passage Machine Reading Comprehension with Cross-Passage Answer Verification》中，百度提出了一種新的多文檔校驗的深度神經(jīng)網(wǎng)絡(luò)建模方法 V-NET，通過注意力機(jī)制使不同文檔產(chǎn)生的答案之間能夠產(chǎn)生交換信息互相印證，從而預(yù)測出更好的答案。在論文《Joint Training of Candidate Extraction and Answer Selection in Reading Comprehension》中，百度利用強化學(xué)習(xí)的方法對串行的多文檔閱讀理解模塊進(jìn)行聯(lián)合訓(xùn)練。

更多論文解讀可參考《百度四篇論文被 ACL 2018 錄用，閱讀理解新進(jìn)展一覽》

此外，針對多文檔閱讀理解任務(wù)，百度自然語言處理團(tuán)隊發(fā)布了面向真實搜索應(yīng)用的最大中文開放領(lǐng)域閱讀理解數(shù)據(jù)集 DuReader（包含 30 萬問題、150 萬文檔和 72 萬答案），并基于此數(shù)據(jù)集舉辦了 2018 中文閱讀理解技術(shù)評測（http://mrc2018.cipsc.org.cn/），評測共有 1062 個隊伍報名，累計提交結(jié)果 1489 次。該評測推動了機(jī)器閱讀理解技術(shù)，尤其是中文閱讀理解技術(shù)的發(fā)展。DuReader 數(shù)據(jù)集以及評測方法的論文也均被 ACL 2018 閱讀理解研討會（Workshop on Machine Reading for Question Answering）所錄用。

騰訊

騰訊 AI Lab 今年共有 5 篇論文入選，涉及到神經(jīng)機(jī)器翻譯、情感分類和自動評論等研究方向。

詳細(xì)解讀可訪問《ACL 2018 | 騰訊 AI Lab 五篇入選論文》了解。

京東

京東AI研究院易津峰錄用論文《Attacking Visual Language Grounding with Adversarial Examples: A Case Study on Netural Image Captioning》。

京東硅谷研發(fā)中心 Shengqi Yang 錄用論文《A Multi-lingual Multi-task Architecture for Low Resource Sequence Labeling》。

字節(jié)跳動

《Modeling Past and Future for Neural Machine Translation》

摘要：現(xiàn)有的神經(jīng)機(jī)器翻譯系統(tǒng)并沒有顯示地對已翻譯和未翻譯的內(nèi)容做建模。本文提出了一種全新的機(jī)制在解碼過程中動態(tài)地將源端信息分成兩個部分：已經(jīng)翻譯的內(nèi)容(Past)和未翻譯的內(nèi)容(Future),并且設(shè)計了兩個不同的循環(huán)神經(jīng)網(wǎng)絡(luò)層對這兩部分進(jìn)行建模。已翻譯和未翻譯的信息被動態(tài)地輸入到注意力模型和解碼器狀態(tài)中，以便使得整個神經(jīng)翻譯模型更好地在當(dāng)前狀態(tài)下區(qū)分已翻和未翻的內(nèi)容。實驗結(jié)果表明，本文提出的模型在中英，德英和英法三個標(biāo)準(zhǔn)數(shù)據(jù)集上可以顯著地提高基線系統(tǒng)的性能，并且相比于覆蓋率模型獲得更好的翻譯質(zhì)量和對齊質(zhì)量。

以上事件在雷鋒網(wǎng)旗下學(xué)術(shù)頻道AI科技評論數(shù)據(jù)庫產(chǎn)品「AI 影響因子」中有相應(yīng)加分。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。