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
《事件关系抽取》论文推荐
《同义句生成》论文推荐
《对话系统》论文推荐
《语义关系分类》论文推荐
《对话系统》论文推荐
《三维点云补全》论文推荐
《算法优化》论文推荐
《图像分割》论文推荐
《图神经网络》论文推荐
《目标检测》论文推荐
《人物交互》论文推荐
《人物交互》论文推荐
《领域自适应点云处理》论文推荐
《语义分割》论文推荐
《强化学习》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!