【论文推荐】了解《对话机器阅读理解》必看的6篇论文（附打包下载地址）

最新推荐文章于 2023-11-24 17:33:36 发布
最新推荐文章于 2023-11-24 17:33:36 发布
阅读量315 收藏
点赞数
文章标签： 人工智能 深度学习 机器学习 编程语言 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48294000/article/details/119860945
版权

论文推荐

“SFFAI120期来自哈尔滨工业大学的李家琦推荐的文章主要关注于自然语言处理的文本理解领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI120"获取本主题精选论文

01

推荐理由：这篇论文发布了面向于多人对话的语篇结构（discourse structure）与对话行为（dialogue act）数据集STAC，该数据集基于游戏在线交流标注，含有约1000个对话。

02

推荐理由：这篇论文是STAC数据集上多人对话语篇结构分析的SOTA模型，提出了DeepSequential模型来建模对话，在该任务上首次引入深度神经网络和说话人机制。

03

推荐理由：该论文中发布了数据集DREAM，源自英语听力考试中的两方对话。

04

推荐理由：该论文发布了基于电视剧Friends（老友记）标注的面向于多人对话的开放域问答数据集FriendsQA。

05

推荐理由：该论文发布了著名的Ubuntu Dialogue数据集，我们的Molweni数据集在该数据集的基础上进行标注。

06

推荐理由：该论文发布了著名的SQuAd 2.0数据集，相比于SQuAd数据集引入了不可回答问题。参考了SQuAd 2.0，我们在标注Molweni数据集时也标注了不可回答问题来提升任务难度。

会议内容

会议简介

大多数现有的机器阅读理解 (MRC) 数据集都采用散文段落或历史题作为输入，而为了适应话语解析和会议摘要等多方对话的应用，对话阅读理解这个领域开始受到关注。本期我们邀请到了来自哈尔滨工业大学的李家琦同学，分享他提出的面向多人对话的机器阅读理解与语篇结构分析数据集Molweni。

讲者介绍

李家琦，哈尔滨工业大学计算机专业博士生，研究方向为多人对话语篇结构分析和多人对话机器阅读理解，以第一作者发表CCF推荐国际会议和ESI期刊论文3篇。

会议题目

Molweni：面向多人对话的机器阅读理解与语篇结构分析数据集

会议摘要

在本文中，我们提出了构建于多人对话的英文机器阅读理解（MRC）数据集——Molweni，并覆盖了对话语篇结构。Molweni源自于Ubuntu聊天语料库，包括10,000个对话，共计88,303条话语（utterance）。我们共标注了30,066个问题，包括可回答和不可回答的问题。Molweni独特地为其多人对话提供了语篇结构信息，共标注了78,245个语篇关系实例，为多人对话语篇结构分析（Discourse parsing）贡献了大规模数据。实验表明，Molweni对于现有的MRC模型是一个具有挑战性的数据集；SQuAD 2.0数据集上的强大模型BERT-wwm在Molweni数据集上只取得67.7%的F1值，相比于其在SQuAD 2.0上的表现有20+%的显著下降。

论文标题：Molweni: A Challenge Multiparty Dialogue-based Machine Reading Comprehension Dataset with Discourse Structure

论文下载：关注本公众号，对话框回复“SFFAI120”，获取下载

会议亮点

1、我们发布了首个包含语篇结构信息的大规模多人对话机器阅读理解数据集Molweni；

2、Molweni数据集为多人对话语篇结构分析任务提供了大规模数据标注。

直播时间

2021年8月29日（周日）20:00—21:00 线上直播

关注本公众号，对话框回复“SFFAI120”，获取入群二维码

注：直播地址会分享在交流群内

SFFAI招募！

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。

论文推荐

更多论文推荐历史文章

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！

人工智能前沿讲习
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
关于机器阅读理解的必读论文-Python开发
05-25
必须阅读的有关机器阅读理解的论文。 由林彦凯，叶德明和季好哲贡献。 模型架构内存网络。 杰森·韦斯顿（Jason Weston），苏米特·乔普拉（Sumit Chopra）和安东尼·博德斯（Antoine Bordes）。 arXiv预印本arXiv：1410.3关于机器阅读理解的必读论文。 由林彦凯，叶德明和季好哲贡献。 模型架构内存网络。 杰森·韦斯顿（Jason Weston），苏米特·乔普拉（Sumit Chopra）和安托万·鲍德（Antoine Bordes）。 arXiv预印本arXiv：1410.3916（2014）。 纸阅读和理解教学机器。 Karl Moritz Hermann，TomášKočiský，Edward Grefenstette，Lasse Espeholt，Will Kay，Mustafa Suleyman和Phil Blunsom。 NIPS2015。论文《注意和读者网络的文本理解》。 鲁道夫·卡德莱克（Rudolf Kadlec），马丁·施密德（Martin Schmid）
50篇多轮对话状态追踪论文阅读笔记
08-24
50篇顶会、顶刊多轮对话状态追踪论文阅读笔记，图文并茂，描述详尽。pdf文件大概300多页。涵盖 2021 年及以前的顶会、顶刊必读论文。
机器学习系类必看论文
11-16
机器学习系类必学的经典论文，学习机器学习首先得了解的相关资讯。第二弹接上。
机器阅读理解上下文语言模型综述论文
04-17
机器阅读理解(MRC)旨在教会机器阅读和理解人类语言，这是自然语言处理(NLP)的长期目标。随着深度神经网络的爆发和上下文语言模型(CLMs)的发展，MRC的研究经历了两个重大突破。
陈丹琦博士毕业论文，机器阅读理解
12-18
斯坦福大牛陈丹琦的机器阅读理解综述文章，十分全面详尽。
【NLP】面向对话的机器阅读理解任务（Dialogue MRC）相关论文整理
fengdu78的博客
11-01 711
来自 | 知乎 作者 | 李家琦链接｜https://zhuanlan.zhihu.com/p/410984053本文已获作者授权，未经许可禁止二次转载Dialogue-based Mac...
机器阅读理解相关论文汇总
chuanzhuanxian8669的博客
09-26 512
一、综述 1 Emergent Logical Structure in Vector Representations of Neural Readers 二、论文 1. Learning Recurrent Span Representations for Extr...
机器阅读理解MRC论文整理
jiangchao98的博客
03-09 2160
机器阅读理解MRC论文整理 论文代码查找网站： https://dblp.uni-trier.de/db/conf/acl/acl2020.html https://www.aclweb.org/anthology/events/acl-2019/ https://paperswithcode.com/ https://www.aminer.cn/user/notification?f=mt 最新论文合集--机器阅读理解 https://dl.acm.org/ acm数字图书馆 ...
机器阅读理解论文必读论文（二）: Teaching Machines to Read and Comprehend
weixin_43360616的博客
12-30 987
本文是机器阅读理解论文的第二篇，发表于2015年。论文提出了新的训练集，即CNN和每日邮报的新闻语料库，并针对此数据集构建了新的深度学习模型。以下是对论文的部分翻译和解读。 摘要：让机器阅读自然语言文件仍然是一个非常难的挑战。目前可以根据机器阅读系统阅读过文章后回答问题的能力进行测试，但是这类评估还缺少大规模的训练和测试数据集。本文提出了一种新的方法以解决这个问题，并提供大规模的可用于监督学习的阅...
解读ACL2020的一篇机器阅读理解方向的论文(Recurrent Chunking Mechanisms for Long-text machine reading comprehension)
xhsun的博客
10-17 937
摘要与引言 BERT在MRC任务上已经达到了很高的效果，但是缺点在于BERT的输入最多只能512个单词。而对于MRC任务来说，有的数据集的文章特别长。因此想要用BERT处理这类数据集，就必须将文章切分开。每一篇文章与问题独立的构成一个example，也就是一个样本作为BERT的输入。 拿BERT的源码举例： import collections length_of_doc_tokens=700#文章的长度为700 max_seq_length=512 length_of_query_tokens=9#问题长
CVPR机器学习论文阅读报告基于3D的大姿态人脸对齐方法
06-26
CVPR机器学习论文阅读报告基于3D的大姿态人脸对齐方法
staclint:用于验证STAC数据集的Web界面（http
05-06
这是sparkgeo提供的stac验证工具的客户端。 包裹和JQuery 正在安装 要安装依赖项，请在命令窗口中运行npm i 。 在这一点上，我们没有使用环境变量或任何特殊配置。 运行开发服务器 要运行开发服务器，请运行npm start 。 生产版本 要生成生产版本，请运行npm run build 。 您可以通过运行npm run serve在本地测试构建。 提议变更（公关） develop分支是该存储库的工作分支，而master代表当前版本。 我们喜欢并欢迎对开发部门的任何拟议变更。
基于微信小程序的图书馆座位预约管理系统“A Reservation Management System for Library Seats Based on WeChat Mini Program“
最新发布
No_Name_Cao_Ni_Mei的博客
11-24 209
本系统的核心优势在于其便捷性和智能化特点。该系统将提供给图书馆及用户一个更好的座位预约体验，减少了用户的排队时间，提高了座位的利用率，为用户和图书馆管理员提供了更好的服务和管理体验。系统还可以提供座位分布图和用户评价等功能，帮助用户选择适合自己需求的座位，并了解其他用户的使用体验，进一步提升用户的满意度和图书馆的服务质量。通过以上研究目的的实现，本研究旨在为图书馆提供一个高效、便捷、智能化的座位预约管理系统，提升图书馆的服务水平和效率，满足用户对于图书馆资源的需求，并推动图书馆的数字化转型和智能化发展。
机器阅读理解整理
weixin_42517469的博客
07-30 4400
机器阅读理解整理 经典模型整理 笔记 后Bert时代机器阅读理解 后续 自己论文整理 已经分类整 大的实验室: UCL MRC_Group: AI2: 微软: THU: PKU: 数据集文章 ROPES | Reasoning Over Paragraph Effects in Situations arXiv: https://arxiv.org/abs/1908.05852 Leadboard: https://leaderboard.allenai.org/ropes Note Lab
NAACL 2018 ACCEPTED PAPER
AI小白入门的博客
10-02 7257
COLING 2018 接受论文列表地https://naacl2018.wordpress.com/2018/03/02/list-of-accepted-papers/ 详细如下： A BI-MODEL BASED RNN SEMANTIC FRAME PARSING MODEL FOR INTENT DETECTION AND SLOT FILLING Yu Wang, Yilin Shen...
2021秋招-机器阅读理解整理
LBJ_King的博客
07-09 4402
机器阅读理解整理 经典模型整理 笔记 后Bert时代机器阅读理解 后续 自己论文整理 已经分类整 大的实验室: UCL MRC_Group: AI2: 微软: THU: PKU: 数据集文章 ROPES | Reasoning Over Paragraph Effects in Situations arXiv: https://arxiv.org/abs/1908.05852 Leadboard: https://leaderboard.allenai.org/ropes Note L
清华 NLP 团队推荐：必读的77篇机器阅读理解论文
喜欢打酱油的老鸟
11-06 7308
https://mp.weixin.qq.com/s/2VhgEieBwXymAv2qxO3MPw   【导读】机器阅读理解(Machine Reading Comprehension)是指让机器阅读文本，然后回答和阅读内容相关的问题。阅读理解是自然语言处理和人工智能领域的重要前沿课题，对于提升机器智能水平、使机器具有持续知识获取能力具有重要价值，近年来受到学术界和工业界的广泛关注。清华 NL...
机器阅读理解 | (3) 机器阅读理解简述
sdu_hao的博客
03-10 4933
原文地址 机器阅读理解技术即机器自动基于给定的文本回答用户所提出的问题的技术[1]，近几年已经成为了研究热点之一。阅读理解大致可以分为四个任务，即填空型阅读理解任务、选择型阅读理解任务、片段抽取型阅读理解任务以及自由格式阅读理解任务。随着以BERT为代表的预训练模型的发展，四种阅读理解任务都有着飞速的发展，主要体现为从关注限定文本到结合外部知识，从关注特定片段到对上下文的全面理解。本文对上述几种主...
机器阅读理解总结
weixin_46133588的博客
03-05 1743
机器阅读理解总结 引言 本文主要是总结下自己最近学习到的机器阅读理解的相关知识。文章的主要结构分以下步骤： 常见的机器阅读理解的任务 阅读理解任务的分析 以及解决机器阅读理解的模型 分析这些模型之间的差异 阅读理解任务主要是让机器根据给定的文本回答与文本相关的问题，15年以前由于小规模的数据集和基于规则的方法问题不能兴起，后面兴起了是因为：1、深度学习框架的阅读理解提出。2、大规模数据集的公布...
怎么看一篇论文在哪个数据库可以下载
03-26
一般来说，可以在论文的引用页上找到论文所在的数据库。另外，如果你知道论文作者或题目，也可以在多个数据库中搜索该论文。一些常用的数据库包括： 1. Google 学术搜索 2. Web of Science 3. Scopus 4. IEEE Xplore 5. SpringerLink 6. ACM Digital Library 7. PubMed 需要注意的是，有些数据库可能需要付费购买或需要在大学图书馆等机构内访问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值