CoAI小组最新科研进展:发表1篇ACM TOIS,1篇IEEE TASLP,4篇WWW论文

清华大学人工智能研究院知识智能研究中心的交互智能(CoAI)小组,最近发表了对话系统、语言生成等方面的若干论文,其中包括最新录用的ACM TOIS、IEEE TASLP的期刊论文各一篇、WWW 2019 的四篇长文。以下是论文简介(附论文链接)。


ACM TOIS

ACM TOIS 简介:

ACM Transactions on Information Systems,是信息检索领域的国际顶级期刊,简称TOIS,为CCF A类(人工智能领域)期刊,由计算机协会(ACM)出版,创始于1984年,每季度出版一期。TOIS主要涵盖信息检索、内容分析、用户偏好等领域的模型和算法的最新研究论文。最新统计的影响因子为2.312,录用率约为10%。

录取论文

标题:Memory-augmented Dialogue Management for Task-oriented Dialogue Systems

作者:Zheng Zhang, Minlie Huang, Zhongzhou Zhao, Feng Ji, Haiqing Chen, Xiaoyan Zhu

简介:本文是与阿里巴巴公司合作的论文。本文研究了任务导向型对话系统中的对话管理问题。对话管理模块不仅需要处理局部信息,还需要处理时间较长的全局信息。本文提出了记忆增强型对话管理模型,引入了一个记忆力控制模块和两个记忆力网络,分别处理对话状态中与语义槽值相关的信息和对话逻辑等信息。另外本文还提出了基于槽值的注意力机制,使得不同槽值的状态更新能够集中于槽相关的信息。实验表明我们提出的模型能够有效提升对话管理的性能。

论文地址:https://arxiv.org/abs/1805.00150


IEEE TASLP


IEEE TASLP简介:


IEEE/ACM Transactions on Audio, Speech, and Language Processing,简称TASLP, 是音频处理、语音处理和语言处理的国际顶级期刊, CCF B类(人工智能领域)。每月发行一期,内容涵盖处理音频和语言的创新理论和方法、相关的机器学习和模式分析新方法,以及系统设计和评估。最新统计的影响因子为2.950,年收录文章数为187。

录取论文

标题:Story Ending Selection by Finding Hints from Pairwise Candidate Endings

作者:Mantong Zhou, Minlie Huang, Xiaoyan Zhu

简介:本文研究故事结局选择任务。现有的故事结局选择模型多是通过将单独一个候选结局与已知故事内容做对比,从而发现相关证据计算匹配得分。然而故事数据集存在证据偏差问题,即错误选项也能与故事内容匹配上较多证据,如相同主人公等。证据偏差问题极大影响基于匹配的方法的准确率。为了解决证据偏差问题,本文提出一个两阶段模型,先仅通过故事内容预测一个结局的隐变量,再同时比较所有候选结局得到提示,根据提示修改对结局的预测并做出最终选择。实验结果表明我们的方法能有效解决证据偏差问题并提升机器故事理解能力。

论文地址:http://coai.cs.tsinghua.edu.cn/hml/media/files/hint.pdf


WWW 2019


WWW会议简介:


International World Wide Web Conference,简称 WWW,CCF A类会议,由 International World Wide Web Conferences Steering Committee(IW3C2)发起,创始自1994年,每年举办一届,今年会议将于2019年5月13-17日期间,在美国旧金山召开。该会主要讨论Web网络的发展,相关技术对社会和文化的影响及其标准化,具体内容包括搜索、社会网络分析、用户建模、Web内容分析等。本届会议共收到1247篇长文投稿,其中225篇被接受,录取率18.0%。

录取论文1

标题:Domain-Constrained Advertising Keyword Generation

作者:Hao Zhou, Minlie Huang, Yishun Mao, Changlei Zhu, Peng Shu and Xiaoyan Zhu

简介:本文是与搜狗公司合作的论文,本文研究了搜索引擎中领域约束的广告关键词生成问题。为了提升关键词的多样性,本文提出了基于条件变分自编码机(CVAE)的基于领域的广告关键词生成模型。然而过多的多样性会导致关键词生成质量的下降以及语义的不匹配,为提升关键词生成质量,本文提出了强化学习的方法,进一步控制和加强领域因素对生成关键词的约束。线下实验与线上实验均证明,本文提出的领域约束的广告关键词生成模型相比 Seq2Seq 和 CVAE 等生成模型,效果有显著提升。

论文地址:http://coai.cs.tsinghua.edu.cn/hml/media/files/WWW19ZhouH.pdf

录取论文2

标题:Aggregating E-commerce Search Results from Heterogeneous Sources via Hierarchical Reinforcement Learning

作者:Ryuichi Takanobu, Tao Zhuang, Minlie Huang, Jun Feng, Haihong Tang, Bo Zheng

简介:本文是与阿里巴巴搜索团队合作的论文。本文研究电子商务环境下的多源搜索展示优化,提出将整个搜索页面设计建模成一个层次化序列决策过程。上层选择器通过在用户的搜索历史片段中建模用户行为模式,以便了解用户意图,从而针对不同用户决定每一页需要展示哪些信息源以满足商业需求;下层展示器通过将排序问题转换成填槽问题,基于上层的动作来依次判断展示序列中的每个位置的最佳内容,从而规避了对不同信息源分配权重的问题;此外,该模型基于层次化强化学习,可从用户行为中,间接地学习用户的长期反馈和短期反馈。线上实验和用户评测的结果充分说明了我们的模型能大幅度提升商业指标的同时最大化用户体验的满意程度。

论文地址:http://coai.cs.tsinghua.edu.cn/hml/media/files/WWW19TakanobuR.pdf

录取论文3

标题:Neural Multimodal Belief Tracker with Adaptive Attention for Dialogue Systems

作者:Zheng Zhang, Lizi Liao, Minlie Huang, Xiaoyan Zhu, Tat-Seng Chua

简介:本文是与新加坡国立大学Chua Tat-Seng团队合作的论文。本篇文章研究多模态场景下任务导向对话系统中的对话状态追踪问题。传统的任务导向型对话系统的研究大都是基于纯文本,而多模态场景下对话由于引入了其他类型的信息,如图像、音频、视频等,需要首先对不同的信息进行分析和融合,给对话任务提出了新的挑战。本文主要关注对话状态追踪任务,基于图像的子区域抽取概念特征,结合自适应注意力机制将不同模态的信息加以融合。实验表明我们提出的模型能够有效提升多模态场景下的对话状态追踪性能。

论文地址:http://coai.cs.tsinghua.edu.cn/hml/media/files/WWW19ZhangZ.pdf

录取论文4

标题:Aspect-level Sentiment Analysis using AS-Capsules

作者:Yequan Wang, Aixin Sun, Minlie Huang, Xiaoyan Zhu

简介:本文是与南洋理工大学计算机科学与工程学院孙爱欣老师合作的成果。目前aspect级别的情感分析依赖aspect作为输入,带来的错误传递等问题限制了其更有效的应用。我们提出基于胶囊网络的 AS-Capsules 模型。该模型针对aspect和情感之间的强关联关系,特别设计若干结构,同时进行Aspect识别和Aspect级别的情感分析。更重要的是,模型可以在不借助外部语言学知识的情况下,得到可解释的有意义的统计结果。我们在SemEval数据集上训练的模型,可以直接应用于Yelp数据集,展示了AS-Capsules模型强大的鲁棒性和有效性。

论文地址:http://coai.cs.tsinghua.edu.cn/hml/media/files/WWW19WangY.pdf

撰稿:高信龙一、朱祺、张正、周曼桐、周昊、王业全

审核:黄民烈

上一篇:没有了

下一篇:本科生科研体会——计53班王延森