⬆⬆⬆ 点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入!
11月16日晚8:00-9:30
11月17日晚8:00-9:30
AI TIME联合AMiner特别邀请了复旦大学6位优秀的讲者跟大家共同开启EMNLP 2020 复旦专场!
哔哩哔哩直播通道
扫码或点击链接
关注AITIME哔哩哔哩官方账号
观看直播
链接:https://live.bilibili.com/21813994
★ 邀请嘉宾 ★
王思远:复旦大学自然语言处理组2018级在读研究生,导师魏忠钰副教授,研究方向为基于文本的问题生成、知识建模。
报告题目:
基于事实的自动问题生成研究
分享背景:
当前端到端的问题生成研究通常将输入文本作为序列直接编码,而没有明确建模其中存在的语义信息,这会导致生成的问题和文本不太相关或者信息量较少。这篇论文中,讲者通过对文本中的事实进行建模来减轻这些问题,帮助生成复杂问题。
分享提纲:
1)问题生成的研究背景以及当前问题生成存在的问题
2)对文本中事实信息进行建模的问题生成任务定义
3)基于路径的问题生成模型介绍
4)实验结果与分析
★ 邀请嘉宾 ★
汪励颢:复旦大学自然语言处理组2019级在读研究生,导师郑骁庆副教授和黄萱菁教授,研究方向为语法纠错。
报告题目:
基于对抗样本的语法纠错研究
分享背景:
语法纠错技术被广泛地应用于文本编辑、搜索、抽取中,但语法纠错任务仍然面临样本不足,模型易受攻击等问题。讲者将从文本对抗攻击角度出发,通过对抗样本来增强语法纠错任务的泛化性和鲁棒性。
分享提纲:
1)语法纠错任务及存在的存在的样本不足和模型脆弱等问题
2)针对语法纠错任务的文本对抗攻击算法
3)实验结果与分析
★ 邀请嘉宾 ★
傅金兰:复旦大学自然语言处理实验室2016级博士生,导师是黄萱菁教授和张奇教授,研究方向为信息抽取,可解释评估。曾以一作在EMNLP,AAAI等顶会上发表多篇论文。
报告题目:
中文分词是个已经解决的任务了吗?
分享背景:
随着深度神经网络的快速发展,中文单词分词(CWS)系统的性能已逐渐达到瓶颈。在本文中,我们总结了已取得的成就,并重新思考了CWS任务中剩下的内容。本文提出的可解释评估,它使我们能够:1)诊断现有模型的优点和缺点;2)量化不同分词标准之间的差异;3)缓解多标准学习时的负迁移问题。
分享提纲:
1)分词系统存在的问题以及研究背景的介绍;
2)可解释评估的方法定义;
3)如何通过可解释评估进行模型诊断分析以及量化不同分词标准之间的距离;
4)可解释评估在ner任务上的扩展。
★ 邀请嘉宾 ★
邢晓渝:复旦大学自然语言处理组2018级在读研究生,导师张奇教授。研究方向有细粒度情感分析、命名实体识别,多项研究工作发表在国际会议ACL、EMNLP上。
报告题目:
细粒度情感分析中模型的鲁棒性研究
分享背景:
细粒度情感分析,也叫做基于方面的情感分析是情感分析中的一个子任务。虽然现有的模型在该任务上的效果很好,但是现有的测试集并不能够用来研究模型是否基于目标方面的情感词而做出的正确预测。本次分享从现有数据集存在的问题出发,提出了简单而有效地测试样本构建方法,丰富了原有的测试集,从而评测并分析了现有模型的鲁棒性。
分享提纲:
1)研究背景介绍
2)自动生成数据的方法介绍
3)数据集的对比分析
4)实验结果讨论与分析
5)如何提升模型的鲁棒性
★ 邀请嘉宾 ★
李林阳:复旦大学NLP group2019级研究生;导师为邱锡鹏教授;
报告题目:
应用预训练模型实现对抗样本生成的高效方法
分享背景:
对抗样本攻击是神经网络中非常重要的鲁棒性检测手段, 在自然语言处理中,由于语言的离散性,对抗样本的生成更为困难,因此我们提出基于BERT等预训练的方法,来生成更好的对抗样本。
分享提纲:
1)NLP中的对抗样本攻击
2)基于BERT的高效生成方法;
3)实验结果与分析
★ 邀请嘉宾 ★
陈怡然:复旦大学自然语言处理组2019级在读研究生,导师邱锡鹏教授,研究方向为文本摘要,主要关注文本摘要的分析和评估。
报告题目:
文本摘要的跨数据集迁移研究
分享背景:
文本摘要任务是文本生成任务的子类,输入一段源文本,期望输出包含源文本主要内容的精简、流畅、没有语法错误的摘要。以往的模型表现分析往往基于同一个数据集,这篇工作对抽取式和生成式的11个摘要模型进行了跨数据集表现的研究,期望更加全面的了解不同摘要模型在跨数据集迁移上的表现。
分享提纲:
1)文本摘要背景知识
2)工作的动机以及贡献
不同的神经网络机制怎么影响模型的跨数据集表现?
生成模型和抽取模型在跨数据集表现上有何区别?
3)实验方法和指标
4)实验结果和结论
直播结束后我们会邀请讲者在微信群中与大家答疑交流,请添加“AI TIME小助手(微信号:AITIME_HY)”,回复“phd”,将拉您进“AITIME PhD 交流群-1”!
AI TIME微信小助手
主 办:AI TIME 、AMiner
联合支持:清华大学计算机系、中国工程院知领直播、学堂在线、CSDN
公益合作:智谱·AI、学术头条、biendata、大数据文摘、数据派、AI科技评论、 Ever链动、机器学习算法与自然语言处理
AMiner是学术搜索和社会网络挖掘研究的重要数据和实验平台,由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万。
1)AMiner平台:https://www.aminer.cn
2)会议专题页面:https://www.aminer.cn/conf/emnlp2020
清华情怀·AITIME基地
1911主题餐厅
AI TIME期待与你线下相聚!
AI TIME欢迎AI领域学者投稿,期待大家剖析学科历史发展和前沿技术。针对热门话题,我们将邀请专家一起论道。同时,我们也长期招募优质的撰稿人,顶级的平台需要顶级的你,
请将简历等信息发至[email protected]!
微信联系:AITIME_HY
AI TIME是清华大学计算机系一群关注人工智能发展,并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索,加强思想碰撞,打造一个知识分享的聚集地。
更多资讯请扫码关注