美国时间2019年1月27-2月1日,16级邓扬同学与雷凯老师、沈颖老师一同参加了在美国夏威夷洲檀香山(Honolulu, Hawaii)举办的AAAI 2019 (The Thirty-Third AAAI Conference on Artificial Intelligence) 美国人工智能会议,将实验室的研究成果在会议上展示并与来自全球的学者共同讨论。

AAAI于1979年成立,是国际人工智能领域的顶级国际会议,被中国计算机学会(CCF)列为A类会议。这一协会如今在全球已有超过6000名的会员,汇集了全球最顶尖的人工智能领域专家学者,一直是人工智能界的研究风向标,在学术界久负盛名。本届大会共收到7700余篇有效投稿,其中7095篇论文进入评审环节,最终有1150篇论文被录用,录取率为近年最低仅为16.2%。(https://aaai.org/Conferences/AAAI-19/)

 

邓扬同学在本次会议上发表了一篇长文“Multi-Task Learning with Multi-View Attention for Answer Selection and Knowledge Base Question Answering”,并在会议上做了口头汇报论文展示。

 

通过参加本次会议,了解了相关领域内最新研究进展,开拓了视野。通过做报告,认识到了语言表达的重要性。通过与参会人员的交流,受到了很多启发。感谢互联网研发中心、雷老师和沈老师的资助。

 

以下是论文列表及简介:

  • Multi-Task Learning with Multi-View Attention for Answer Selection and Knowledge Base Question Answering

作者:Yang Deng, Yuexiang Xie, Yaliang Li, Min Yang, Nan Du, Wei Fan, Kai Lei*, Ying Shen* (*Corresponding Author)

简介:答案选择和知识库问答(KBQA)是问答系统的两个重要任务。现有的方法分别解决这两个任务,需要大量的重复工作,而忽略了任务之间丰富的相关信息。本文基于以下动机,通过多任务学习(MTL)同时处理答案选择和KBQA任务。首先,答案选择和KBQA都可以看作是一个排序问题,一个在文本级别,而另一个在知识级别。第二,这两个任务可以互相促进:答案选择可以结合来自知识库(KB)的外部知识,而KBQA可以通过从答案选择中学习上下文信息来改进。为了实现联合学习这两项任务的目的,我们提出了一种新的多任务学习方案,它利用从不同角度学习的多视角注意力,使这些任务能够相互交互,并学习更全面的句子表示。在多个真实数据集上的实验验证了该方法的有效性,提高了答案选择和KBQA的性能。此外,多视角注意力机制被证明能有效地从不同表征角度组装注意力信息。