AMiner会议论文推荐第三十二期

AMiner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，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

IJCAI 2020 论文推荐

A Structured Latent Variable Recurrent Network with Stochastic Attention for Generating Weibo Comments

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef27721be/?conf=ijcai2020

推荐理由：构建智能代理来生成真实的微博评论是一项具有挑战性的工作。在这种真实的微博评论中，关键标准是在保持一致性的同时提高多样性。考虑到语言评论的差异性来自于多层次来源，包括话语层面的属性和词语层面的选择，作者利用内在层次性来提高评论的多样性。该工作提出了一种结构化潜变量循环网络，利用层次结构化的潜变量与随机关注来模拟评论的变化。首先，作者赋予话语级和词级潜变量以层次和时间上的依赖性，以构建多层次的层次结构。其次，引入随机关注来推断输入帖子中的关键词。通过上述步骤，模型能够生成具有话语级属性和局部词选择的多样化评论。





RDF-to-Text Generation with Graph-augmented Structural Neural Encoders

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277216b/?conf=ijcai2020

推荐理由：RDF-to-text生成任务是指给定一组RDF三元组 ，生成相应的描述性文本。大部分方法都是将这个任务作为一个序列到序列的问题，或者采用基于图的编码器对RDF三元组进行建模，并对文本序列进行解码。然而，这些方法都不能明确地对三元组之间和三元组内部的局部和全局结构信息进行建模。为了解决这些问题，作者提出通过结合两种新的图增强结构神经编码器(即双向图编码器和基于图的双向元路径编码器)来联合学习输入三元组的局部和全局结构信息。此外，该研究还进行了人工评价，通过使用各种主观指标评估生成的文本质量，以证明各种方法的有效性。