返回首页
登录

CCF兰州举办“语言智能”学术交流活动

阅读量:0 2021-11-17 收藏本文

20211112日,CCF兰州举办了“语言智能”为主题的在线学术交流活动。活动主要围绕自然语言处理中的模型鲁棒性问题、小样本学习问题进行讨论。

首先,活动邀请哈尔滨工业大学车万翔教授详细介绍了人机对话系统当前研究现状、以及包括自然语言理解、对话管理、自然语言生成等模块的任务型对话系统结构。车万翔教授针对任务型对话系统研究中大规模对话标注数据难以获得与对话语义理解的问题,引出小样本与大语境学习的主题,并详细介绍了小样本学习的主要思想,同时以语言理解中的槽位标注等问题为例,介绍了利用小样本学习的方式。车万翔教授还介绍了大语境语义理解的融合增强信息模型与其实验结果,并对目前的发展趋势提出自己的见解、展望与挑战。


 

之后,活动邀请复旦大学张奇教授介绍自然语言处理算法鲁棒性问题。张奇教授谈到,深度神经网络在几乎全部自然语言处理任务中都取得了非常好的效果,在包括阅读理解在内的很多任务的标准评测集合上达到了超越人类的准确性,然而在实际应用中发现,很多模型的效果并不尽如人意,所获得精度甚至远远低于传统机器学习方法。而最近的很多研究也表明,深度神经网络模型在仅仅添加了很小的扰动的样本上,其预测效果也很可能出现大幅度下降。因此模型鲁棒性的研究受到越来越多的关注。然后,张奇教授针对自然语言处理模型的鲁棒性、可解释性以及如何评估模型的鲁棒性三个方面进行了讲解。张奇教授首先提出,针对自然语言算法鲁棒性,主要考虑三个问题:为什么基于基准测试集合和常用评价指标的模式不能反映上述问题;深度学习网络模型到底学到了什么;现阶段自然语言处理算法鲁棒性究竟怎么样。然后,围绕这三个问题详细介绍了他和团队所做的研究工作,并以实体与实体关系识别、情感倾向性分析等问题为例,展示了如果提高模型鲁棒性的途径和方法。最后,张奇教授介绍了课题组所开发的面向自然语言处理的多语言鲁棒性评测工具TextFlint,并对在深度学习模型黑盒下任务特性驱动模型设计的研究工作提出了展望。

在两位特邀专家进行报告之后,参加活动的200余名CCF兰州的会员和学生会员围绕语言智能的研究现状、小样本条件下的模型训练、模型鲁棒性等问题,深入进行了交流讨论,促进了会员们对语言智能研究以及产业化现状的深入理解。活动取得圆满成功。