|
学界 | 2017/0404/219487.html">自然语言2017/0714/249333.html">处理领域的前沿技术：EMNLP 2017最佳论文公布 2017-08-18 12:28 来源:机器之心 技术 原标题：学界 | 自然语言处理领域的前沿技术：EMNLP 2017最佳论文公布 机器之心报道 参与：路雪、蒋思源 EMNLP 是自然语言处理领域的顶级会议，atv，EMNLP 2017 将于 9 月 7 日至 11 日在丹麦哥本哈根召开。本次 EMNLP 共录用 323 篇论文，包括 216 篇长论文和 107 篇短论文。今日，EMNLP 2017 最佳论文出炉，在这篇文章中我们对获奖论文进行了摘要介绍。 8 月 16 日，由中国中文信息学会青年工作委员会主办，搜狗搜索承办的「自然语言处理前沿技术研讨会暨 EMNLP 2017 论文报告会」在中科院软件所举行。报告会邀请了国内部分被录用论文的作者报告其研究成果，探讨自然语言处理领域的前沿技术。 18 位来自中科院、清华、北大、哈工大等科研机构和高校的研究人员、老师、同学分享和展示了他们的论文（论文列表附在文后）。整场报告会分为四个部分：文本摘要及情感分析、机器翻译、信息抽取及自动问答、文本分析及表示学习。演讲者和台下观众进行了很好的互动，共同探讨自然语言处理领域的新技术。
现场论文展示 除了国内展示的这些精彩论文，EMNLP 2017 也于今日公布了最佳论文，包括最佳长论文、最佳短论文和最佳资源论文三个奖项。机器之心对获奖论文进行了编译介绍。 最佳长论文： 论文： Men Also Like Shopping: Reducing Gender Bias Amplification using Corpus-level Constraints 作者：Jieyu Zhao、Tianlu Wang、Mark Yatskar、Vicente Ordonez 和 Kai-Wei Chang 地址：https://arxiv.org/abs/1707.09457 论文：Depression and Self-Harm Risk Assessment in Online Forums 作者：Andrew Yates, Arman Cohan 和 Nazli Goharian. 最佳短论文：论文：Natural Language Does Not Emerge ‘Naturally’ in Multi-Agent Dialog 作者：Satwik Kottur, José Moura, Stefan Lee 和 Dhruv Batra 地址：https://arxiv.org/abs/1706.08502 最佳资源论文：论文：Bringing Structure into Summaries: Crowdsourcing a Benchmark Corpus of Concept Maps 作者：Tobias Falke 和 Iryna Gurevych. 地址：https://arxiv.org/abs/1704.04452 最佳长论文：Men Also Like Shopping: Reducing Gender Bias Amplification using Corpus-level Constraints
摘要：支持从网上收集图像的自然语言越来越多地用于定义丰富的视觉识别问题。这些任务使用结构化预测模型以利用视觉输入和同现标签的关联性，但是这种关联性经常编码了网站语料库中的社会偏见。在本论文中，我们研究了与多标签目标分类和视觉语义角色标注（visual semantic role labeling）相关联的数据和模型。我们发现（a）这些任务的数据集包含严重的性别偏见，（b）在这些数据集上训练的模型放大了这些偏见。例如，在训练集中，做饭涉及到女性的概率要比男性高33%，而训练后的模型在测试集上将这一概率放大到了68%。我们建议可以注入用于校准现有结构化预测模型的语料库级约束，并基于拉格朗日松弛设计一种算法以进行群体推断。我们的方法几乎在识别任务上没有性能损失，但是降低了偏见放大的数量级，atv，在多标签分类和视觉语义角色标注任务上分别降低了47.5%和40.5%。 最佳短论文：Natural Language Does Not Emerge ‘Naturally’ in Multi-Agent Dialog
摘要：近期大量研究提出适用于合作多智能体群（cooperative multi-agent population）通信协议的端到端学习技术，同时还发现智能体开发的协议中出现基础的人类可翻译的语言，这种语言是在无人类监督的情况下学得的！ 在本论文中，我们将 Task & Talk reference 游戏作为对两个智能体进行测试的平台，展示了一串「负」结果最终生成了一个「正」结果，这证明尽管智能体创造的大部分语言是有效的（即可获取近乎完美的任务奖励），但这些语言显然不可翻译或合成。本质上，我们发现自然语言不是「自然」出现的，尽管人们可能从近期文献中获取自然语言的出现很容易的假象。我们讨论的是如何使创造出的语言随着两个智能体更多的交流限制而变得越来越像自然语言。 最佳资源论文：Bringing Structure into Summaries: Crowdsourcing a Benchmark Corpus of Concept Maps
|
