直播预告 | 哈工大HIT-SCIR实验室专场二

4月9日晚7:30-9:00

AI TIME特别邀请了两位优秀的讲者跟大家共同开启哈工大HIT-SCIR实验室专场二！

覃立波：哈尔滨工业大学社会计算与信息检索研究中心(SCIR)博士三年级研究生，导师为车万翔教授。研究方向为任务型对话系统等。相关研究成果发表在ACL、EMNLP、AAAI、IJCAI、COLING等会议上，曾获百度奖学金，字节跳动奖学金等，个人主页：http://ir.hit.edu.cn/~lbqin/。

摘要：

在对话系统中，对话行为识别和情感分类是捕获对话者意图的两个相关任务，其中对话行为可以捕获显式的意图，情感可以表达隐性的意图。其中上下文信息(contextual information)和相互交互信息(mutual interaction information)是这两个相关任务的关键因素。但是，现有方法都无法同时考虑这两个重要的信息。

为了解决这个问题，在本文中，我们提出了一个协同交互图注意力网络 (Co-GAT) 来联合建模这两个任务。核心模块是我们提出的协同交互图交互层，可以在统一的图网络中构建跨历史连接 (cross-utterances connection)和跨任务连接 (cross-tasks connection)。我们的模型在两个公开的数据集达到了SOTA性能。此外，我们发现上下文和相互交互信息的贡献与预训练模型并不完全重叠，在多种预训练模型上(BERT，RoBERTa，XLNet) 均取得了性能提升。

论文标题：

Co-GAT: A Co-Interactive Graph Attention Network for Dialog Act Recognition and Sentiment Classification

论文链接：

https://arxiv.org/pdf/2010.00190.pdf

王少磊：哈尔滨工业大学社会计算与信息检索研究中心(SCIR)五年级博士研究生，导师为车万翔教授。研究方向包括实体与关系联合抽取、文本顺滑、语法纠错等。相关研究成果发表在EMNLP、AAAI、IJCAI、COLING等会议上，个人主页：http://ir.hit.edu.cn/~slwang/。

摘要：

目前大部分在文本顺滑（Disfluency Detection）任务上的工作都严重依赖人工标注数据。有一些工作尝试用自监督方法（self-supervised）来缓解这个问题，但是他们的方法仍然依赖于有标注数据。在本工作中，我们首次尝试用无监督的方法来解决文本顺滑问题。我们通过结合自学习（self-training）和自监督两种方法，在不采用任何有标注训练数据的情况下，取得了跟目前最好的有监督方法接近的效果。

论文标题：

Combining Self-Training and Self-Supervised Learning for Unsupervised Disfluency Detection

论文链接：

https://www.aclweb.org/anthology/2020.emnlp-main.142.pdf

陆鑫：哈尔滨工业大学社会计算与信息检索研究中心(SCIR)一年级博士研究生，导师为秦兵教授、赵妍妍副教授，主要研究方向为文本情感分析、对话情感。

摘要：

本工作研究的任务是对话情绪识别，旨在识别对话中所有话语的情绪。考虑到对话中的话语情绪是相互影响的，现有工作通常都建模对话上下文的内容，以此来隐式地建模话语的情绪交互，但这种做法常被语言中的复杂表达所干扰，导致情绪交互变得不可靠。我们注意到话语的情绪标签可以提供显式且精确的情绪交互，但情绪标签在测试阶段是不可获得作为输入的。为了解决这个问题，我们提出了一个迭代情绪交互模型，该模型使用迭代预测的情绪标签代替真实情绪标签，在迭代过程中不断更正预测并反馈输入，实现逐步增强的显式情绪交互。实验结果表明，使用迭代预测标签有效地保留了显式建模的性能优势，并在迭代过程中可以实现有效的预测修正。最终，我们的方法在两个公开数据集上取得了当时最好的结果。

论文标题：

An Iterative Emotion Interaction Network for Emotion Recognition in Conversations

论文链接：

https://www.aclweb.org/anthology/2020.coling-main.360/