ACL-4 预告|新加坡国立大学&香港科技大学PhD来啦

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

8月25日 16:00~17:00

AI TIME特别邀请新加坡国立大学、香港科技大学的博士生，开启ACL第四场！

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 ★

潘亮铭：

潘亮铭，新加坡国立大学计算机学院在读博士生，指导教师为Min-Yen Kan（靳民彦）教授与Tat-Seng Chua（蔡达成）教授。他于2014年和2017年分别获得北京航空航天大学学士学位和清华大学计算机系硕士学位，于2020年赴加州大学圣巴巴拉分校任访问学者。研究兴趣为自然语言处理，主要包括自动问题生成和文本风格转换。在ACL，NAACL，COLING等国际会议上发表多篇论文，并获得新加坡国立大学计算机学院的研究成就奖和院长研究生奖。

个人主页：http://www.liangmingpan.com

报告题目：

深度问题生成技术及其应用

内容简介：

自动问题生成（Question Generation）是根据各种输入（如文本、知识库、图片）自动生成问题的任务。人类有能力就文章、事件、评论等提出深入的问题，这需要对文本的深入理解以及涉及多处上下文的多跳推理。让机器学习提出类人的深度问题在未来的智能系统中有广泛的应用，如对话系统、在线教育、智能搜索等。在这次报告中，我将介绍我们关于深度问题生成的两项最新研究，包括自动生成多跳问题并将其应用于问答系统，以及问题生成如何帮助进行事实验证（Fact Verification）。最后我将介绍目前深度问题生成面临的挑战和未来的研究方向。

余铁铮：

香港科技大学在读博士，研究兴趣为自然语言处理，主要包括自动摘要和多模态学习等。在ACL，NAACL，EMNLP，AAAI等国际会议上发表多篇论文。

报告题目：

通过结合答案相关性改进以查询

为中心的自动文本摘要

内容简介：

查询重点摘要 (QFS) 模型旨在从可以回答给定查询的源文档中生成摘要。 QFS 以前的大部分工作在生成摘要时只考虑查询相关性标准。 然而，在摘要生成过程中研究答案相关性的影响也很重要。 在本文中，我们提出了 QFS-BART模型，该模型通过问答模型结合了给定查询的源文档的显式答案相关性，以生成连贯且与答案相关的摘要。 此外，我们的模型可以利用大型预训练模型显着提高摘要性能。 Debatepedia 数据集上的实证结果表明，所提出的模型实现了新的最先进的性能。

# 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”！

AI TIME微信小助手

主       办：AI TIME 

合作媒体：学术头条、AI 数据派

合作伙伴：智谱·AI、中国工程院知领直播、学堂在线、AMiner、biendata、Ever链动

AI TIME欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你，

请将简历等信息发至yun.he@aminer.cn！

微信联系:AITIME_HY

AI TIME是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造一个知识分享的聚集地。

更多资讯请扫码关注

我知道你“在看”哟～

点击 阅读原文 预约直播