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。