同步wx订阅号(arXiv每日论文速递)，支持后台回复'search 关键词'查询相关的最新论文。有些许帮助的话，麻烦关注一下哦(*￣rǒ￣)
cs.CL 方向，今日共计19篇
[cs.CL]：
【1】 How we do things with words: Analyzing text as social and cultural data
标题：我们如何用词做事情：将文本作为社会和文化数据来分析
作者： Dong Nguyen, Jane Winters
链接：https://arxiv.org/abs/1907.01468
【2】 Constructing large scale biomedical knowledge bases from scratch with rapid annotation of interpretable patterns
标题：利用可解释模式的快速标注从零开始构建大规模生物医学知识库
作者： Julien Fauqueur, Theodosia Togia
备注：BioNLP 2019: 18th ACL Workshop on Biomedical Natural Language Processing
链接：https://arxiv.org/abs/1907.01417
【3】 Sequence Labeling Parsing by Learning Across Representations
标题：跨表示学习的序列标注句法分析
作者： Michalina Strzyz, Carlos Gómez-Rodríguez
备注：Camera-ready version to appear at ACL 2019. 8 pages
链接：https://arxiv.org/abs/1907.01339
【4】 Danish Stance Classification and Rumour Resolution
标题：丹麦立场分类与谣言消解
作者： Anders Edelbo Lillie, Emil Refsgaard Middelboe
链接：https://arxiv.org/abs/1907.01304
【5】 Latent Dirichlet Allocation Based Acoustic Data Selection for Automatic Speech Recognition
标题：基于潜在Dirichlet分配的语音自动识别中的声学数据选择
作者： Mortaza (Morrie) Doulaty, Thomas Hain
链接：https://arxiv.org/abs/1907.01302
【6】 Improving Robustness in Real-World Neural Machine Translation Engines
标题：提高真实世界神经机器翻译引擎的鲁棒性
作者： Rohit Gupta, John Tinsley
备注：6 Pages, Accepted in Machine Translation Summit 2019
链接：https://arxiv.org/abs/1907.01279
【7】 Cooperative Generator-Discriminator Networks for Abstractive Summarization with Narrative Flow
标题：具有叙述流的抽象摘要的协同产生器-鉴别器网络
作者： Saadia Gabriel, Yejin Choi
链接：https://arxiv.org/abs/1907.01272
【8】 A Neural Grammatical Error Correction System Built On Better Pre-training and Sequential Transfer Learning
标题：建立在较好的预训练和顺序迁移学习基础上的神经语法错误纠正系统
作者： Yo Joong Choe, Yeoil Yoon
备注：Accepted to ACL 2019 Workshop on Innovative Use of NLP for Building Educational Applications (BEA)
链接：https://arxiv.org/abs/1907.01256
【9】 Multimodal Transformer Networks for End-to-End Video-Grounded Dialogue Systems
标题：用于端到端视频接地对话系统的多模式变压器网络
作者： Hung Le, Steven C.H. Hoi
备注：Accepted at ACL 2019 (Long Paper)
链接：https://arxiv.org/abs/1907.01166
【10】 Neural Machine Reading Comprehension: Methods and Trends
标题：神经机器阅读理解：方法与趋势
作者： Shanshan Liu, Weiming Zhang
链接：https://arxiv.org/abs/1907.01118
【11】 Is artificial data useful for biomedical Natural Language Processing
标题：人工数据对生物医学自然语言处理有用吗？
作者： Zixu Wang, Lucia Specia
备注：Accepted by BioNLP 2019
链接：https://arxiv.org/abs/1907.01055
【12】 Augmenting Self-attention with Persistent Memory
标题：用持久记忆增强自我注意
作者： Sainbayar Sukhbaatar, Armand Joulin
链接：https://arxiv.org/abs/1907.01470
【13】 Speaker-independent classification of phonetic segments from raw ultrasound in child speech
标题：儿童语音中原始超声语音段的非特定人分类
作者： Manuel Sam Ribeiro, Steve Renals
备注：5 pages, 4 figures, published in ICASSP2019 (IEEE International Conference on Acoustics, Speech and Signal Processing, 2019)
链接：https://arxiv.org/abs/1907.01413
【14】 Comparison of Lattice-Free and Lattice-Based Sequence Discriminative Training Criteria for LVCSR
标题：LVCSR的无格序列判别训练准则与基于格序列判别训练准则的比较
作者： Wilfried Michel, Hermann Ney
备注：Submitted to Interspeech 2019
链接：https://arxiv.org/abs/1907.01409
【15】 Analyzing Verbal and Nonverbal Features for Predicting Group Performance
标题：团体绩效预测的言语和非言语特征分析
作者： Uliyana Kubasova, McKenzie Braley
备注：Accepted to INTERSPEECH 2019 (Graz, Austria)
链接：https://arxiv.org/abs/1907.01369
【16】 Predicting Retrosynthetic Reaction using Self-Corrected Transformer Neural Networks
标题：应用自校正变压器神经网络预测反合成反应
作者： Shuangjia Zheng, Yuedong Yang
链接：https://arxiv.org/abs/1907.01356
【17】 WHAM!: Extending Speech Separation to Noisy Environments
标题：Wham！：将语音分离扩展到噪声环境
作者： Gordon Wichern, Jonathan Le Roux
备注：Accepted for publication at Interspeech 2019
链接：https://arxiv.org/abs/1907.01160
【18】 Natural Language Understanding with the Quora Question Pairs Dataset
标题：Quora问题对数据集的自然语言理解
作者： Lakshay Sharma, Utku Evci
链接：https://arxiv.org/abs/1907.01041
【19】 Learning Representations from Imperfect Time Series Data via Tensor Rank Regularization
标题：基于张量秩正则化的非理想时间序列表示法
作者： Paul Pu Liang, Louis-Philippe Morency
链接：https://arxiv.org/abs/1907.01011
翻译：腾讯翻译君