直播预告 | 从编码器与解码器端改进生成式句子摘要

「PhD Talk」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

这是第 25 期「PhD Talk」

3 月 15 日，PaperWeekly 将再度联合微软亚洲研究院带来第 25 期 PhD Talk：从编码器与解码器端改进生成式句子摘要。

本期主讲嘉宾是哈工大-微软联合培养博士生周青宇，他将介绍其所在团队在生成式句子摘要方向的一些进展。

首先，他将回顾之前在句子摘要任务上的几个经典工作，简要介绍一下基本知识和目前的进展。

在此之后，嘉宾还将介绍他们在该任务上的一些进展。从编码器的角度，他们提出了选择性编码模型。针对句子摘要任务，模型对句子中单词的重要性进行了建模。

从解码器的角度，他们扩展了拷贝机制，提出了序列拷贝网络。与之前的拷贝机制不同，该模型可以进行片段拷贝。

在相关数据集上，他们的模型取得了较大的性能提升。

嘉宾介绍

周青宇

哈尔滨工业大学博士生

周青宇，于 2014 年和 2016 年分别获得哈尔滨工业大学学士和硕士学位，目前为哈工大-微软联合培养博士生，导师为微软亚洲研究院周明教授。研究方向为文本自动摘要，文本生成和自然语言处理。曾在 ACL，AAAI 等会议上发表相关文章。

          

PhD Talk

 

从编码器与解码器端改进生成式句子摘要

哈尔滨工业大学博士生周青宇

内容分享√在线Q&A√

活动形式：PPT直播

 

 活动时间 

3 月 15 日（周四）20:00-21:00

45 min 分享 + 15 min Q&A

长按识别二维码，进入直播间

*或使用斗鱼App搜索「1743775」

往期回顾

 

非自回归神经机器翻译 + ICLR 2018 论文解读

腾讯AI Lab涂兆鹏：如何提升神经网络翻译的忠实度

微软亚洲研究院论文解读：GAN在网络特征学习中的应用

微软亚洲研究院吴俣：基于动态词表的对话生成研究

基于生成模型的事件流研究 + NIPS 2017 论文解读

亚马逊高级应用科学家熊元骏：人类行为理解研究进展

清华大学冯珺：基于强化学习的关系抽取和文本分类

*查看更多往期实录，请点击PaperWeekly公众号底部精品栏目菜单。

#榜 单 公 布 #

2017年度最值得读的AI论文 | NLP篇 · 评选结果公布

2017年度最值得读的AI论文 | CV篇 · 评选结果公布

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

▽ 点击 | 阅读原文 | 加入社区一起刷论文