AMiner会议论文推荐第八十四期

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

UPB at SemEval-2021 Task 8: Extracting Semantic Information on Measurements as Multi-Turn Question Answering（UPB在SemEval-2021上的任务8：提取测量的语义信息作为多轮问题的回答）

论文链接：https://www.aminer.cn/pub/6075606391e0110f6fe681db/?conf=acl2021

推荐理由： 在分析科学话语方面，提取测量和计数的语义信息是一个重要课题。SemEval-2021的第8项任务——数值和测量（MeasEval）旨在通过提供一个新的数据集，让参赛者训练他们的模型，从科学文本中提取有意义的测量信息，从而促进该方向研究。该竞赛由五个子任务组成，它们在彼此的基础上进行：(1)数量跨度识别，(2)从已识别的数量中提取单位并对其进行修饰性分类，(3)测量实体和测量属性的跨度识别，(4)限定词跨度识别，以及(5)识别的数量、测量实体、测量属性和限定词之间的关系提取。作者首先识别数量，提取它们的测量单位，用相应的修饰语对它们进行分类，然后用它们以多轮问题回答的方式共同解决后三个子任务来应对这些挑战。该工作表现最好的模型在测试集上获得了36.91%的重叠F1分数。

Conversation Graph: Data Augmentation, Training and Evaluation for Non-Deterministic Dialogue Management（Conversation Graph: 用于非确定性对话管理的数据增强、训练和评估）

论文链接：https://www.aminer.cn/pub/5f9be33891e011dcf482d8ed/?conf=acl2021

推荐理由： 面向任务的对话系统通常依赖于大量高质量的训练数据或需要复杂的手工规则。然而，考虑到对话的复杂性，现有的数据集在规模上往往是有限的。此外，传统的训练信号推理不适合非决定性的代理行为，即认为在相同的对话状态下，多种行动是有效的。作者提出了对话图（ConvGraph），一种基于图的对话表示方法，可用于数据扩充、多参考训练和非决定性代理的评估。ConvGraph产生了新的对话路径，以增加数据量和多样性。三个数据集上的内在和外在评价表明，数据扩充和/或使用ConvGraph的多参考训练可以提高对话成功率达6.4%。

UIT-E10dot3 at SemEval-2021 Task 5: Toxic Spans Detection with Named Entity Recognition and Question-Answering Approaches（UIT-E10dot3在SemEval-2021上的任务5：用命名实体识别和问题回答方法检测恶意跨度）

论文链接：https://www.aminer.cn/pub/6079636e91e011f8093d8aac/?conf=acl2021

推荐理由： 在线空间的恶意评论的增加对心理脆弱的用户造成了巨大的影响。为此，人们做出了大量努力来处理这个问题，SemEval-2021任务5——恶意跨度检测就是其中之一。这项任务要求竞争者从给定的文本中提取具有恶意跨度，而在实验之前，作者已做了一些分析去了解其结构。该工作通过两种方法解决这个任务，即用spaCy库进行命名实体识别和用RoBERTa结合ToxicBERT进行问题回答，前者获得了最高的F1分数66.99%。

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

#AMiner# #论文#