NLP前沿研究成果大开源，百度PaddleNLP-研究版发布

为了更好服务 NLP 研究者，百度 PaddleNLP 于近日完成了针对其研究能力的升级，即 PaddleNLP-研究版。

PaddleNLP-研究版旨在基于飞桨（PaddlePaddle）深度学习平台和百度 NLP 深厚的技术积累，为广大研究者提供 NLP 领域前沿方向的研究成果、代码与数据，让广大研究者们可以快速复现已发表学术论文的实验效果，并据此开展新的研究。

目前，PaddleNLP 已经开放了包括 ACL2019、NAACL2019、IJCAI2019、MRQA2019 等顶级 NLP 会议 5 篇最新论文，支持了 3 个竞赛的代码复现，配合开放了 2 个相关论文的数据集，包括 DuConv、MMPMS、MPM、ARNOR 等模型和数据，覆盖信息抽取、智能对话、问答、阅读理解、评论建议挖掘等领域。

未来，PaddleNLP 还将持续升级，开源更多百度大脑在 NLP 领域的研究成果，例如发表于 ACL2019 的 KTNET、SEEDS、STACL 等模型与框架，覆盖了机器阅读理解、个性化对话、同声传译、机器翻译等场景。

PaddleNLP 作为一个同时覆盖工业应用和学术研究的全方位工具与数据集，将持续依托飞桨和百度 NLP 强大的技术保障，让开发者以越来越低的门槛获取更多前沿的 NLP 技术，欢迎持续关注。

百度 PaddleNLP-研究版开源与即将开源项目概览

ACL2019-ARNOR: Attention Regularization based Noise Reduction for Distant Supervision Relation Classification

摘要：远监督通过知识库自动获取标注语料，是关系抽取的关键算法。但是远监督通常会引入大量噪声数据，即句子并未表达自动标注的关系。进一步说，基于远监督学习的模型效果不佳、解释性差，无法解释关系的指示词。为此，我们提出基于注意力正则化的 ARNOR 框架（Attention Regularization based NOise Reduction）。此方法通过注意力机制，要求模型能够关注关系的指示词，进而识别噪声数据，并通过 bootstrap 方法逐步选择出高质量的标注数据，改善模型效果。此方法在关系分类及降噪上均显著优于此前最好的增强学习算法。

应用价值：在文本信息抽取有广泛的应用价值。此方法能够显著降低对标注数据的依赖，实现低成本的基于知识库的自动关系学习，未来可落地在医疗、金融等行业信息抽取中。

• GitHub 地址：https://github.com/PaddlePaddle/models/tree/develop/PaddleNLP/Research/ACL2019-ARNOR?fr=gzh

ACL2019-DuConv：Proactive Human-Machine Conversation with Explicit Conversation Goals

摘要：目前的人机对话还处于初级水平，机器大多是被动对话，无法像人类一样进行充分交互。我们提出了基于知识图谱的主动对话任务，让机器像人类一样主动和用户进行对话。对话过程中，机器根据知识图谱主动引领对话进程完成提前设定的话题（实体）转移目标，并保持对话的自然和流畅性。为此，我们在电影和娱乐任务领域人工标注 3 万组共 27 万个句子的主动对话语料，并实现了生