疫情之后，“舊的世界”將不復存在

線上直播將成為學術(shù)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(lián)合舉辦兩期「ACL 系列解讀」直播活動，受到廣大師生的好評。 

第一期：ACL 2020 - 哈工大 SCIR 系列解讀

第二期：ACL 2020 - 復旦大學系列解讀

在此基礎上，我們在此聯(lián)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(lǐng)域的著名學者朱小燕教授、黃民烈副教授聯(lián)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(tǒng)、對話系統(tǒng)、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(guān)數(shù)據(jù)集等的研究工作。

為促進學術(shù)交流，讓更多師生及時了解最新前沿研究，AI科技評論聯(lián)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(xù)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(guān)的全部工作。

系列解讀活動簡介如下，歡迎屆時關(guān)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(zhàn)性的。為了避免構(gòu)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(tǒng)和用戶均視作對話代理聯(lián)合學習，并提出了混合價值網(wǎng)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(lǐng)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(zhàn)

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(guān)健

摘要：故事生成，要求根據(jù)給定的上文生成合理的故事，是一項重要但具有挑戰(zhàn)性的任務?，F(xiàn)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(chǎn)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(guān)聯(lián)相關(guān)常識、理解因果關(guān)系以及按適當?shù)臅r間順序來規(guī)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(zhàn)和提升空間。
 

主題三：KdConv: 知識驅(qū)動的中文多輪對話數(shù)據(jù)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(tǒng)領(lǐng)域，盡管對話生成的任務得到了廣泛的研究，但是對于驅(qū)動對話生成的知識的建模卻由于缺少數(shù)據(jù)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(tǒng)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(gòu)造的知識驅(qū)動的中文多輪對話數(shù)據(jù)集KdConv，并分析知識建模在對話系統(tǒng)中的應用。
 

主題四：任務導向?qū)υ挼臄?shù)據(jù)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?qū)υ捠艿搅嗽絹碓蕉嗟年P(guān)注，涌現(xiàn)出許多數(shù)據(jù)集和基于神經(jīng)網(wǎng)絡的模型。為了推動多領(lǐng)域?qū)υ挼难芯亢吞钛a中文數(shù)據(jù)的空白，我們提出了CrossWOZ，第一個中文大規(guī)模任務導向?qū)υ挃?shù)據(jù)集。此外，為了對多種形式構(gòu)建的對話系統(tǒng)進行統(tǒng)一端到端評測，我們開發(fā)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(tǒng)。
 

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(jù)答案定位文中的證據(jù)信息，從而有監(jiān)督地訓練證據(jù)抽取模塊。在非抽取式閱讀理解任務中，無法根據(jù)答案自動化地標出文中的證據(jù)信息，在這種情況下，難以有效地訓練證據(jù)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(jiān)督的方式訓練證據(jù)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(guān)注[ AI研習社頂會小助手] 微信號，發(fā)送關(guān)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(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 實驗室系列論文解讀」內(nèi)容，同時歡迎更多實驗室參與分享，敬請期待！

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

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。