AMiner会议论文推荐第八十三期

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。

ACL 2021 论文推荐

XRJL-HKUST at SemEval-2021 Task 4: WordNet-Enhanced Dual Multi-head Co-Attention for Reading Comprehension of Abstract Meaning（XRJL-HKUST at SemEval-2021 Task 4:词汇网增强的双多头共同关注抽象意义的阅读理解）

论文链接：https://www.aminer.cn/pub/6064524691e011538305cfe2/?conf=acl2021

推荐理由： 本文介绍了作者提交的SemEval 2021任务4：抽象意义的阅读理解的系统。该系统使用了一个大型的预训练语言模型作为编码器，以及一个额外的双多头共同注意力层来加强段落和问题-答案对之间的关系，遵循目前最先进的模型DUMA。而主要区别在于，作者将段落-问题和问题-段落的注意力模块堆叠在一起，而非平行计算，以模拟重新考虑的过程。作者还增加了一个层规范化模块来提高模型性能。此外，为了纳入已知的关于抽象概念的知识，作者从WordNet中检索了候选答案的定义，并将它们作为额外的输入输入到模型中。该系统被称为WordNet-enhanced DUal Multi-head Co-Attention（WN-DUMA），在子任务1和子任务2的官方盲测集上分别取得了86.67%和89.99%的准确率。

Lone Pine at SemEval-2021 Task 5: Fine-Grained Detection of Hate Speech Using BERToxic（孤松在SemEval-2021任务5：使用BERToxic精细检测仇恨言论）

论文链接：https://www.aminer.cn/pub/607021b391e01101ef3d8a87/?conf=acl2021

推荐理由： 本文介绍了作者解决有毒跨度检测问题（SemEval-2021任务5）的方法。作者提出了BERToxic系统，该系统对预先训练好的BERT模型进行微调，以定位给定文本中的有毒文本跨度，并利用额外的后处理步骤来细化边界。其中，后处理步骤包括：（1）将连续的有毒标记之间的字符偏移量标记为有毒；（2）为至少一个标记为有毒的词分配一个有毒标签。实验表明，上述两个后处理步骤使模型在测试集上的性能提高了4.16%。该工作还研究了数据增强和集合建模策略对系统的影响。同时，系统明显优于所提供的基线，取得了0.683的F1分数，使孤松在91个参赛队中排名第17位。

AMiner，AI赋能的学术搜索平台：https://www.aminer.cn/

#AMiner# #论文#