- ACL对抗数据收集在问答中的有效性:一项大规模随机研究的结果
本文通过对问答模型进行大规模对比研究,发现对抗训练对提升模型在对抗数据集上的表现有帮助,但在领域外数据集上却不够稳健;同时,文章进行了对抗数据和标准数据的质量比较,为未来的研究提供指导。
- ACL用于任务型对话系统中发现未知槽类型的新型槽位检测基准
该论文提出了一种新的任务 ——NSD,即 Novel Slot Detection,旨在通过在域训练数据发现未知或超出域的槽类型来增强对话系统的能力,并且构建了两个公共 NSD 数据集,提出了几个强有力的 NSD 基线,并建立了未来工作的基 - ACL使用基于实体的叙事图对人类心理状态进行建模
本文提出了一种实体为基础的叙述图(ENG),能够更好地建模故事中角色的内部状态,包括他们的动机、目标和心理状态,并通过实验和定量分析来评估其在预测角色心理状态和愿望实现任务中的表现。
- IJCAI欧洲人工智能战略:我们真正促进社会福祉了吗?
本文主要探讨 15 个欧洲国家在人工智能领域的投资规划和国家战略,并通过定性分析的方式来总结研究结果。
- 模型可解释性中的人因因素:行业实践,挑战和需求
我们对 22 位业内从业人员的半结构化访谈结果进行了定性分析,提出了在大量使用机器学习模型的组织中存在的解释性工作的特征,这表明模型可解释性通常涉及不同角色的人员之间的合作和心理模型比较,旨在建立人员和模型之间以及组织内部的信任关系。我们为 - IJCAI理解学习简单算法的内存模块
本研究通过可视化和降维等方法,提出了一种用于分析神经网络内存模块策略的方法,并通过两个简单算法的任务验证其准确性。结果表明,不同的算法任务对应不同的内存策略。
- EMNLP使用字符感知神经网络进行词级别预测:它们是否发现语言规则?
本文研究字符级别模式识别神经网络所学习的规律以及相对于手动标注的词语分割的重叠性,并使用卷积神经网络和双向长短期记忆网络对三种不同的语言进行形态标记任务的评估和比较,证明这些模型可以隐式地发现可理解的语言规则。
- 基于对话背景的讽刺分析
研究了在社交媒体中检测讽刺语境下的对话背景、LSTM 网络、不同平台之间差异对结果的影响以及定位句子语气的研究,通过定量分析和注意力机制判别出实验结果优于人工标注。
- EMNLP声明的本质是什么?跨领域声明识别
研究了 NLP 领域的 argument mining,通过对 6 个不同数据集进行定性分析发现不同的数据集对 claim 的理解存在差异,使用深度学习系统可以作出跨领域的 claims 分类,并发现在词汇水平和系统配置上存在共同点以帮助克 - ACL图像描述中的语用因素:否定情况分析
对 Flickr30K 语料库中包含否定词(no,not,n't,nobody 等)描述的定性分析和否定词使用的分类进行了提供,并提供了一个要求集,要求一个图像描述系统能够生成否定句子。作为一项试验,我们使用了我们的分类方式对 Flickr - 机器人应用中基于时间逻辑规范的 POMDP 定性分析
本文探讨了具有标准框架的 POMDPs,以模拟现实世界中存在的不确定性,以及时间逻辑规范。我们研究了帕里目标下的 POMDP 定性分析问题,该问题在理论上难以计算,但我们提出了解决该问题的实用方法,并在许多机器人应用的已知示例中使用了我们的 - 关于具有 ω- 正则目标的部分可观察马尔可夫决策过程的可决定性
本文他认为配对绘图监测问题的 POMDP 用内存 Markov 实现的部分角色并支持 parity 主题,并讲达了所有 parity 主题的重置分析问题及可编码重置分析命令为有限内存内存固定质量。
- 部分可观察马尔可夫决策过程的定性分析
本文针对部分可观察 Markov 决策过程(POMDPs)和 ω 正则目标,研究了基于观测的策略,并解决了定性分析问题的计算复杂度和最优内存界限。