<mark id="oztn4"></mark>
0
| 本文作者： 汪思穎 | 2018-07-15 16:49 | 專題：ACL 2018 |
雷鋒網(wǎng) AI 科技評論按：繼 2017 年的溫哥華之旅后，ACL 2018 在澳大利亞墨爾本舉辦，舉辦地點(diǎn)為墨爾本會展中心，也是 IJCAI2017 舉辦地。
今天是大會 tutorial 環(huán)節(jié)，雖然主會在明天召開，但作為計算機(jī)語言學(xué)和自然語言處理領(lǐng)域最頂尖的會議之一，tutorial 也吸引到不少參會者前來注冊。從引導(dǎo)大家進(jìn)入會場的指示牌上可以看到眾多熟悉的國內(nèi)企業(yè)，如字節(jié)跳動為大會鉆石贊助商，此外，百度、京東、騰訊、華為等企業(yè)也赫然在列。
作為 ACL 延續(xù)至今的傳統(tǒng)，tutorial 旨在幫助領(lǐng)域新手了解計算機(jī)語言學(xué)與自然語言處理的最新進(jìn)展以及核心技術(shù)，促進(jìn)大家相互交流與探討。今年的 Tutorial 主席為康奈爾大學(xué)的 Yoav Artzi 和佐治亞理工學(xué)院的 Jacob Eisenstein，據(jù)介紹，今年的 tutorial 選擇參照了質(zhì)量、相關(guān)性、興趣以及平衡四個度量。
相較去年的六個議程，今年增加到八個。
上午的四個議題分別為：
100 件你總想知道但卻害怕去問的語義學(xué)&語用學(xué)知識
對話 AI 系統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法
變分推理和深度生成模型
將語言和視覺與行動聯(lián)系起來
下午的四個議題分別為：
超越多詞表達(dá)的方法：處理習(xí)語和隱喻
神經(jīng)語義分析
NLP 中的深度強(qiáng)化學(xué)習(xí)
多語言實體發(fā)現(xiàn)和鏈接
相較于去年深度學(xué)習(xí)占據(jù)絕大多數(shù)議題，今年的內(nèi)容則更加多樣化，如語言與視覺、語義&語用學(xué)知識、多語言實體等。雷鋒網(wǎng) AI 科技評論在現(xiàn)場看到，最受歡迎的議題有上午的 Neural Approaches to Conversational AI 和下午的 Deep Reinforcement Learning for NLP，引發(fā)眾多參會人員關(guān)注。目前，tutorial PPT 大多已經(jīng)公布，想要了解更多的同學(xué)及研究人員，可以在會議官網(wǎng)進(jìn)行下載。（注：4 *8 個小時的 tutorials，上千張 PPT，相信一定會為大家開啟新世界的大門）
以下為雷鋒網(wǎng) AI 科技評論對這八個議題的簡要介紹：
Tutorial 1：100 Things You Always Wanted to Know about Semantics & Pragmatics But Were Afraid to Ask
地址：http://faculty.washington.edu/ebender/papers/Bender-ACL2018-tutorial.pdf
meaning 是自然語言處理 (NLP) 中的一個基本概念，NLP 的目標(biāo)是建立一個能向你表達(dá)、理解你的表達(dá)的系統(tǒng)。為了使 NLP 能從解決部分特定任務(wù)應(yīng)用到更為廣泛的領(lǐng)域，它必須了解人類如何使用語言來表達(dá)和理解社交意圖。這一 tutorial 的目的是提供一些有用的語義學(xué)和語用學(xué)信息。
Tutorial 2：Neural Approaches to Conversational AI
將闡述近幾年來對話人工智能系統(tǒng)上基于神經(jīng)網(wǎng)絡(luò)方法。對話系統(tǒng)分為三類：問答智能體；任務(wù)導(dǎo)向型智能體；社交機(jī)器人，在這一 tutorial 上會回顧最先進(jìn)的神經(jīng)網(wǎng)絡(luò)方法，在基于神經(jīng)網(wǎng)絡(luò)的方法和傳統(tǒng)符號方法之間建立聯(lián)系，使用特定的系統(tǒng)和模型作為研究案例，來討論我們所取得的進(jìn)展和面臨的挑戰(zhàn)。
Tutorial 3：Variational Inference and Deep Generative Models
地址：https://github.com/philschulz/VITutorial#general
這一 tutorial 將對變分推理進(jìn)行介紹，對如何使用變分方法來訓(xùn)練深度生成模型（DGMs）進(jìn)行了詳細(xì)講解，包括一系列實際案例。同時，將提及這些學(xué)習(xí)算法所需的數(shù)學(xué)背景，提供實現(xiàn)指南。也將介紹連續(xù)和離散變量模型。
Tutorial 4：Connecting Language and Vision to Actions
地址：https://lvatutorial.github.io/
這一 tutorial 將介紹結(jié)合文本和視覺理解的多模式任務(wù)和數(shù)據(jù)集，會為大家?guī)憩F(xiàn)有的 image captioning、視覺問題回答 (VQA) 和視覺對話等任務(wù)的最先進(jìn)技術(shù)，評價訓(xùn)練模型時主要的模塊 (如 co-attention ) 和一些最新算法 (如一些合作/對抗博弈)。然后，將討論結(jié)合語言、視覺和動作在當(dāng)前面臨的挑戰(zhàn)和即將面臨的挑戰(zhàn)，并介紹一些最新發(fā)布的用于此類研究的交互式 3D 模擬環(huán)境。
Tutorial 5：Beyond Multiword Expressions: Processing Idioms and Metaphors
Tutorial 主講人 Valia Kordoni 表示，這一 tutorial 的目標(biāo)受眾是機(jī)器學(xué)習(xí)、解析 (句法和語義) 和語言技術(shù)方面的研究人員和實踐者，并不一定需要是習(xí)語和隱喻方面的專家。這一 tutorial 的目的是建立與會者對如下幾點(diǎn)的清晰認(rèn)知：習(xí)語和隱喻的語言特點(diǎn)；使用當(dāng)前領(lǐng)先 NLP 技術(shù)的習(xí)語和隱喻計算模型；深度學(xué)習(xí)和自然語言處理之間的相關(guān)性；未來將要做的一系列工作。
Tutorial 6：Neural Semantic Parsing
地址：https://github.com/allenai/acl2018-semantic-parsing-tutorial（待更新）
語義分析是將自然語言表達(dá)翻譯成機(jī)器可執(zhí)行的符號的研究，已有很多成熟應(yīng)用，如問答系統(tǒng)、語音助手和代碼生成等等。在過去的兩年間，隨著神經(jīng)編解碼方法的引入，語義分析模型發(fā)生了巨大的變化，我們得以重新思考許多先前對語義分析的假設(shè)。
這一 tutorial 將描述研究人員采用的各種對語義分析的研究，還將評估語義分析器所使用的正式語言，并探討為什么最近的工作會選擇使用標(biāo)準(zhǔn)的編程語言而不是更多語言驅(qū)動的表示。然后，將描述語義分析的一個極具挑戰(zhàn)的設(shè)置——在將自然語言轉(zhuǎn)換為正式語言時，解析器必須考慮額外的上下文或交互，接下來將描述這方面的最新工作。最后，將介紹 AllenNLP 用于語義分析研究的一些工具。
Tutorial 7：Deep Reinforcement Learning for NLP
地址：https://www.cs.ucsb.edu/~william/papers/ACL2018DRL4NLP.pdf
許多自然語言處理 (NLP) 任務(wù) (包括生成、推理、信息提取、關(guān)聯(lián)解析和對話等) 都可以表示為深度強(qiáng)化學(xué)習(xí) (deep reinforcement learning, DRL) 問題。然而，由于語言往往是離散的，所有句子的空間都是無限的，因此在將 NLP 任務(wù)構(gòu)想為強(qiáng)化學(xué)習(xí)問題時存在許多挑戰(zhàn)。在這次 tutorial 上，將介紹 NLP 中一些實用的 DRL 解決方案。我們描述了在 NLP 中設(shè)計深度強(qiáng)化學(xué)習(xí)算法方面的最新進(jìn)展，特別關(guān)注于生成、對話和信息提取。最后，我們討論了這些算法成功及失敗的原因，旨在提供一些關(guān)于深度強(qiáng)化學(xué)習(xí)的實用建議，以解決實際的 NLP 問題。
Tutorial 8：Multi-lingual Entity Discovery and Linking
地址：https://sites.google.com/view/xlingedl/home/tutorial-materials（待更新）
本 tutorial 的主要目標(biāo)是評估跨語言 EL 框架。會先討論傳統(tǒng)的 EL 技術(shù)和度量，然后，將介紹更近的方法，如神經(jīng) EL（Neural EL），將評估最先進(jìn)的神經(jīng) EL 系統(tǒng)的基本模塊，分析當(dāng)前一些關(guān)于英文 EL 的結(jié)果。然后，將回到跨語言 EL，討論一些在多種語言間使用的方法。特別地，主講人會討論和比較使用多語言詞嵌入的多種方法，最后，還將討論跨語言 EL 在搜索引擎和商業(yè)產(chǎn)品銷售應(yīng)用程序等各種 App 中的應(yīng)用。
以上就是對今天 tutorial 的全部介紹，選取 Neural Approaches to Conversational AI 上一張有意思的 PPT 分享給大家：
在 tutorial 結(jié)束后，接下來是 welcome reception 接待環(huán)節(jié)。第一天的議程就此落下帷幕，正會即將于明天召開，敬請期待雷鋒網(wǎng) AI 科技評論帶來的報道。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
