直播 | EMNLP 2020：用语义分割的思路解决不完整话语重写任务

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，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。

近些年单轮对话的理解已经取得了较大的进展，但多轮对话仍然是研究界的难题。多轮对话的一大挑战就在于用户会抛出语义不完整的问题，如省略实体，或者通过代词指代到对话历史中的实体。这样的挑战推动了上下文理解方向的研究工作，包括早期端到端的上下文建模方法，和近期研究者们所关注的不完整话语重写 (Incomplete Utterance Rewriting)。

本期 AI Drive，我们邀请到北京航空航天大学博士生刘乾，为大家解读其发表于 EMNLP 2020 的最新工作。对本期主题感兴趣的小伙伴，11 月 26 日（周四）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

直播信息

不完整话语重写，旨在于将对话中语义不完整的句子重写为一个语义完整的、可脱离上下文理解的句子，以恢复所有指代和省略的信息。由于该任务的输出严重依赖于输入，已有工作绝大部分都是在复制网络的基础上改进。

与他们不同，我们另辟蹊径地将该任务视为一个面向对话编辑的任务，并据此提出一个全新的、使用语义分割思路来解决不完整话语重写的模型。在四个公开数据集上，我们的模型都取得了相似或更好的性能。同时，由于我们的模型并行地预测编辑操作，我们可以取得将近4倍的加速比。论文相关代码已开源。

论文标题：

Incomplete Utterance Rewriting as Semantic Segmentation

代码链接：

https://github.com/microsoft/ContextualSP

论文链接：

https://arxiv.org/abs/2009.13166

本次分享的具体内容有：

不完整话语的背景与目前最先进的模型
以前工作的不足与论文的发现
不完整话语任务与语义分割之间的联系
借助 UNet 模型完成不完整话语任务
论文模型在公开数据集上的性能
论文模型的限制与可能的未来工作

嘉宾介绍

刘乾 / 北京航空航天大学博士生

刘乾，北京航空航天大学与微软亚洲研究院联合培养博士，主要关注在上下文建模、语义解析、组合泛化等话题，目前以第一作者身份在 ACL, EMNLP, NeurIPS 等会议发表相关论文多篇。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

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。

直播 | EMNLP 2020：用语义分割的思路解决不完整话语重写任务相关推荐

直播 | EMNLP 2020论文解读：从上下文学习还是从实体名字学习？
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,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 ...
直播预告： EMNLP 2020 专场四| AI TIME PhD
⬆⬆⬆ 点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! 11月20日晚7:30-9:00 AI TIME特别邀请了3位优秀的讲者跟大家共同开启EMNLP 20 ...
@所有人，EMNLP 2020 干货集锦来了！
⬆⬆⬆ 点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! 2020年10月30日-12月4日,AI TIME 共邀请了23位海内外优秀讲者,与大家分享了精彩的 ...
CVPR 2020 论文大盘点-语义分割篇
图像分割应用广泛,在CVPR 2020 论文中所占比例很高,可说是一大热门,有110多篇相关论文,本文盘点CVPR 2020 所有语义分割(Semantic Segmentation)相关论文(文末有 ...
图像语义分割模型综述
文章目录一.语义分割介绍二.语义分割的思路空洞卷积条件随机场三.经典语义分割算法介绍 1.FCN 2.UNet Family (1)UNet (2)Attention U-Net (3)UN ...
语义分割--Label Refinement Network for Coarse-to-Fine Semantic Segmentation
Label Refinement Network for Coarse-to-Fine Semantic Segmentation https://www.arxiv.org/abs/1703.005 ...
干货丨计算机视觉必读：图像分类、定位、检测，语义分割和实例分割方法梳理（经典长文，值得收藏）
文章来源:新智元作者:张皓 [导读]本文作者来自南京大学计算机系机器学习与数据挖掘所(LAMDA),本文直观系统地梳理了深度学习在计算机视觉领域四大基本任务中的应用,包括图像分类.定位.检测.语义分 ...
【Keras】基于SegNet和U-Net的遥感图像语义分割
from:[Keras]基于SegNet和U-Net的遥感图像语义分割上两个月参加了个比赛,做的是对遥感高清图像做语义分割,美其名曰"天空之眼".这两周数据挖掘课期末projec ...
图像分类、检测，语义分割等方法梳理
本文旨在介绍深度学习在计算机视觉领域四大基本任务中的应用,包括分类(图a).定位.检测(图b).语义分割(图c).和实例分割(图d). 图像分类(image classification) 给定一张输 ...

直播 | EMNLP 2020：用语义分割的思路解决不完整话语重写任务

直播 | EMNLP 2020：用语义分割的思路解决不完整话语重写任务相关推荐

最新文章

热门文章