今晚7:30|北京大学、谢菲尔德大学PhD带来ACL-3

AITIME论道

于 2021-08-19 09:58:15 发布

阅读量212

点赞数

文章标签：人工智能算法机器学习知识图谱深度学习

原文链接：https://space.bilibili.com/503316308/

版权

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

8月19日 19:30~20:30

AI TIME特别邀请北京大学博士生——来雨轩，谢菲尔德大学——彭煦潭，开启ACL第三场！

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号

观看直播

链接：https://live.bilibili.com/21813994

★ 邀请嘉宾 ★

来雨轩：

北京大学博士。研究兴趣为自然语言处理，主要包括自然语言问答，预训练语言模型等。在ACL、AAAI、IJCAI、NAACL等自然语言处理及人工智能领域学术会议上发表论文十余篇。十余次担任ACL、AAAI、IJCAI、EMNLP、COLING、NAACL等国际著名学术会议的程序委员会委员，并获得杰出审稿人等称号。

报告题目：

为什么机器阅读理解模型学到推理捷径

内容简介：

最近，许多机器阅读理解 (MRC) 模型汇报了接近甚至优于人类的表现。然而，现有的工作表明，这些模型可能只是学会利用一些推理捷径，而并没有真实地超过人类。在这项工作中，我们试图探索为什么这些模型学习到了这些捷径，而不是数据集中预先设置的推理技能。我们认为，训练数据中较大比例的捷径问题使模型过度依赖捷径技巧。为了验证这一假设，我们设计了两个人工数据集，其中每个问题均有两个版本：可以通过推理捷径解答或不能通过推理捷径解答。我们也提出了两种方法来定量分析关于推理捷径和推理挑战的学习难度。实验结果表明，MRC模型往往更早地学习捷径问题，而训练集中可用推理捷径解答的问题比例过高阻碍了模型在训练后期进一步探索复杂的推理挑战。

彭煦潭：

谢菲尔德大学二年级博士生，研究兴趣围绕自然语言处理和表示学习。作为第一或第二作者，已在NAACL、EACL、IJCAI、CIKM、KBS等国际会议和期刊发表论文八篇，并有两项相关专利公开。参与ACL、EMNLP、NAACL、TNNLS等国际会议和期刊的同行评议并多次获颁“杰出审稿人”。

个人主页：https://xutan.me/

报告题目：

ProcrustEs：

一款高效绿色的知识图谱嵌入算法

内容简介：

知识图谱是一种包含实体和关系的图数据结构，可用来整合来自真实世界的信息，有着广泛的应用。为了更好地适应不断增长的数据规模，近年来的大量工作致力于将知识图谱映射到低维稠密的向量空间。虽然这类知识图谱嵌入模型在关系预测等推理任务上取得了优异的成绩，它们在训练阶段的能耗问题却极少受到关注。在这次报告中，我将介绍一款名为ProcrustEs的算法，它在保持优良准确度的前提下，成数量级地降低知识图谱嵌入的训练开支。具体来说，我们首次将普式分析封闭解等工具引入参数更新过程，并设计了沿关系分组的全数据集计算策略与不含负采样的优化算法，无需借助并行训练，即可大幅度超越以往模型的训练速度，并极大地降低碳排放。除此之外， ProcrustEs 输出的实体向量在实验中表现出和语义高度相关的聚类模式，我们希望其能启发更多后续研究。

# 今日视频推荐 #

直播结束后我们会邀请讲者在微信群中与大家答疑交流，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“ACL”，将拉您进“ACL会议交流群”！