AACL 2022 in Chinese

TLDRs

• Chasing the Tail with Domain Generalization: A Case Study on Frequency-Enriched Datasets
  • Manoj Kumar, Anna Rumshisky, Rahul Gupta
  • TLDR: 我们提出了一种基于使用频率的句法频率来学习模型的方法,该方法使用频率频率来学习模型,以更好地理解和解释句法。
• Double Trouble: How to not Explain a Text Classifier’s Decisions Using Counterfactuals Synthesized by Masked Language Models?
  • Thang Pham, Trung Bui, Long Mai, Anh Nguyen
  • TLDR: 我们表明,使用BERT来代替一个字符的标签,可以提高LIME的准确性。
• An Empirical Study on Cross-X Transfer for Legal Judgment Prediction
  • Joel Niklaus, Matthias Stürmer, Ilias Chalkidis
  • TLDR: 我们通过使用可变的随机随机训练来提高跨语言转移的性能。
• CNN for Modeling Sanskrit Originated Bengali and Hindi Language
  • Chowdhury Rahman, MD. Hasibur Rahman, Mohammad Rafsan, Mohammed Eunus Ali, Samiha Zakir, Rafsanjani Muhammod
  • TLDR: 我们提出了一个用于低资源语言的CNN架构,用于解决语言的词汇结构。
• Leveraging Key Information Modeling to Improve Less-Data Constrained News Headline Generation via Duality Fine-Tuning
  • Zhuoxuan Jiang, Lingfeng Qiao, Di Yin, Shanshan Feng, Bo Ren
  • TLDR: 我们提出了一种新的Duality微调方法,用于少数据限制的生成。
• Systematic Evaluation of Predictive Fairness
  • Xudong Han, Aili Shen, Trevor Cohn, Timothy Baldwin, Lea Frermann
  • TLDR: 我们表明,在不偏见数据集中训练时,偏见的程度会影响模型性能。
• Graph-augmented Learning to Rank for Querying Large-scale Knowledge Graph
  • Hanning Gao, Lingfei Wu, Po Hu, Zhihua Wei, Fangli Xu, Bo Long
  • TLDR: 我们提出了一个基于知识图的回答问题的方法,该方法使用一个图增强的学习方法来解决知识图知识图的回答问题。
• An Embarrassingly Simple Approach for Intellectual Property Rights Protection on Recurrent Neural Networks
  • Zhi Qin Tan, Hao Shan Wong, Chee Seng Chan
  • TLDR: 我们提出了一种实用的方法来保护循環神经网络(RNN)的潜在权重,无需所有现有的IPR解决方案。
• WAX: A New Dataset for Word Association eXplanations
  • Chunhua Liu, Trevor Cohn, Simon De Deyne, Lea Frermann
  • TLDR: 我们提出了一个用于解释词的广义词关联数据集,并设计了几个任务来探索到目前的语言模型无法捕捉到的词的词关联。
• Missing Modality meets Meta Sampling (M3S): An Efficient Universal Approach for Multimodal Sentiment Analysis with Missing Modality
  • Haozhe Chi, Minghua Yang, Junhao Zhu, Guanhong Wang, Gaoang Wang
  • TLDR: 我们提出了一种简单的、有效的元采样方法,用于多模态情感分析的失序方法。
• SPARQL-to-Text Question Generation for Knowledge-Based Conversational Applications
  • Gwénolé Lecorvé, Morgan Veyret, Quentin Brabant, Lina M. Rojas Barahona
  • TLDR: 本文研究了基于SPARQL查询的自然语言问题的生成,并提出了一个基于知识的QA架构的理论。
• S+PAGE: A Speaker and Position-Aware Graph Neural Network Model for Emotion Recognition in Conversation
  • Chen Liang, Jing Xu, Yangkun Lin, Chong Yang, Yongliang Wang
  • TLDR: 我们提出了一种基于GNN的基于语音的对话结构信息的基于语音的对话的神经网络的模型,它可以更好地捕捉说话者和位置感知对话结构信息。
• Grammatical Error Correction Systems for Automated Assessment: Are They Susceptible to Universal Adversarial Attacks?
  • Vyas Raina, Yiting Lu, Mark Gales
  • TLDR: 本文通过对GEC系统中句法错误的攻击进行理论分析,并表明,在不同的测试集上,对抗性攻击可以被用来骗过。
• This Patient Looks Like That Patient: Prototypical Networks for Interpretable Diagnosis Prediction from Clinical Text
  • Betty van Aken, Jens-Michalis Papaioannou, Marcel Naik, Georgios Eleftheriadis, Wolfgang Nejdl, Felix Gers, Alexander Loeser
  • TLDR: 我们提出了一种用于诊断诊断的新型方法,它可以从临床文本中预测诊断结果,并提供解释。
• Cross-lingual Similarity of Multilingual Representations Revisited
  • Maksym Del, Mark Fishel
  • TLDR: 我们使用ANN-Wise Correlation(ANC)来解决CKA/CCA的理论和实践证据。
• Arabic Dialect Identification with a Few Labeled Examples Using Generative Adversarial Networks
  • Mahmoud Yusuf, Marwan Torki, Nagwa El-Makky
  • TLDR: 我们使用半监督生成网络(SS-GAN)来解决Dalcet Arabic Identification任务。
• Semantic Shift Stability: Efficient Way to Detect Performance Degradation of Word Embeddings and Pre-trained Language Models
  • Shotaro Ishihara, Hiromu Takahashi, Hono Shirai
  • TLDR: 本文提出了一种高效的方法来检测词嵌入和预先训练好的语言模型的时间序列性能衰减。
• Neural Text Sanitization with Explicit Measures of Privacy Risk
  • Anthi Papadopoulou, Yunhao Yu, Pierre Lison, Lilja Øvrelid
  • TLDR: 我们提出了一种用于文本清洁的新方法,它可以从修改的文件中从根本上掩码个人身份,以避免其身份的暴露。
• AGRank: Augmented Graph-based Unsupervised Keyphrase Extraction
  • Haoran Ding, Xiao Luo
  • TLDR: 本文提出了一个基于图的非监督的图上表征来识别关键字。
• Towards Unified Representations of Knowledge Graph and Expert Rules for Machine Learning and Reasoning
  • Zhepei Wei, Yue Wang, Jinnan Li, Zhining Liu, Erxin Yu, Yuan Tian, Xin Wang, Yi Chang
  • TLDR: 我们提出了一个通用框架,用于将符号知识与知识图结合起来,并提出了一个通用框架,用于学习和推理。
• Who did what to Whom? Language models and humans respond diversely to features affecting argument hierarchy construction
  • Xiaonan Xu, Haoshuo Chen
  • TLDR: 我们研究了模型和人类在语言理解中使用基于转换器的语言模型的表达方法的相似性,并分析了它们对NP1和NP2的看法。
• CrowdChecked: Detecting Previously Fact-Checked Claims in Social Media
  • Momchil Hardalov, Anton Chernyavskiy, Ivan Koychev, Dmitry Ilvovsky, Preslav Nakov
  • TLDR: 我们使用Twitter上的流行的句法来进行实证验证,以生成一个强大的实证证据集。
• Hate Speech and Offensive Language Detection in Bengali
  • Mithun Das, Somnath Banerjee, Punyajoy Saha, Animesh Mukherjee
  • TLDR: 我们提出了一个用于批评性和色情的网络数据集。
• Learning Interpretable Latent Dialogue Actions With Less Supervision
  • Vojtěch Hudeček, Ondřej Dušek
  • TLDR: 我们提出了一种用于解释任务导向对话的可解释的对话行动的神经网络架构。
• Named Entity Recognition in Twitter: A Dataset and Analysis on Short-Term Temporal Shifts
  • Asahi Ushio, Francesco Barbieri, Vitor Sousa, Leonardo Neves, Jose Camacho-Collados
  • TLDR: 我们通过利用Twitter的Twitter上流的标注,从Twitter上构建一个新的NER数据集,用于Twitter,一个最大的网络平台。
• PInKS: Preconditioned Commonsense Inference with Minimal Supervision
  • Ehsan Qasemi, Piyush Khanna, Qiang Ning, Muhao Chen
  • TLDR: 我们提出了PinKS,一种用于解释的条件性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性依赖性
• Cross-Lingual Open-Domain Question Answering with Answer Sentence Generation
  • Benjamin Muller, Luca Soldaini, Rik Koncel-Kedziorski, Eric Lind, Alessandro Moschitti
  • TLDR: 我们提出了一个跨语言生成模型,它可以生成完整的句法,同时使用多个语言,包括语言不同于问题。
• Discourse Parsing Enhanced by Discourse Dependence Perception
  • Yuqing Xing, Longyin Zhang, Fang Kong, Guodong Zhou
  • TLDR: 我们通过联合学习来学习语义依赖性和组成性依赖性,以提高语义结构理解。
• Prediction of People’s Emotional Response towards Multi-modal News
  • Ge Gao, Sejin Paik, Carley Reardon, Yanling Zhao, Lei Guo, Prakash Ishwar, Margrit Betke, Derry Tanti Wijaya
  • TLDR: 我们通过扩大和提高U.S. gun violence的新闻到情感数据集,从320到 1,297新闻头条和 lead图像的映射中估计出不同的情感反应。
• AugCSE: Contrastive Sentence Embedding with Diverse Augmentations
  • Zilu Tang, Muhammed Yusuf Kocyigit, Derry Tanti Wijaya
  • TLDR: 我们提出了AugCSE,一个统一的句子嵌入模型,用于使用多种数据增量进行句子表征的表示。
• Seamlessly Integrating Factual Information and Social Content with Persuasive Dialogue
  • Maximillian Chen, Weiyan Shi, Feifan Yan, Ryan Hou, Jingwen Zhang, Saurav Sahay, Zhou Yu
  • TLDR: 我们提出了一个用于对话的新型模块化对话系统框架,它将真实的信息和社会信息相结合,以实现更强大的对话。
• Dual-Encoder Transformers with Cross-modal Alignment for Multimodal Aspect-based Sentiment Analysis
  • Zhewen Yu, Jin Wang, Liang-Chih Yu, Xuejie Zhang
  • TLDR: 我们提出了一种用于多模态情感分析的双模转换器,它可以从文本和图像的上下文对进行上下文排列。
• AVAST: Attentive Variational State Tracker in a Reinforced Navigator
  • Je-Wei Jang, Mahdin Rohmatillah, Jen-Tzung Chien
  • TLDR: 本文提出了一种新的基于随机信念状态跟踪的新型方法,用于设计一个RL。
• Phylogeny-Inspired Adaptation of Multilingual Models to New Languages
  • Fahim Faisal, Antonios Anastasopoulos
  • TLDR: 我们使用语言遗传信息来提高跨语言转移的语言学知识。
• Transferring Knowledge via Neighborhood-Aware Optimal Transport for Low-Resource Hate Speech Detection
  • Tulika Bose, Irina Illina, Dominique Fohr
  • TLDR: 我们提出了一种用于低资源情况下的反向攻击的新型训练策略,可以灵活地使用邻居的近邻来学习转移。
• Bag-of-Vectors Autoencoders for Unsupervised Conditional Text Generation
  • Florian Mai, James Henderson
  • TLDR: 我们提出了一种用于自动编码器的替代方法,用于学习在生成过程中使用符号嵌入的符号。
• RecInDial: A Unified Framework for Conversational Recommendation with Pretrained Language Models
  • Lingzhi Wang, Huang Hu, Lei Sha, Can Xu, Daxin Jiang, Kam-Fai Wong
  • TLDR: 我们提出了一个新颖的、统一的框架,用于将推荐信息纳入对话(RecInDial)生成。
• SummVD : An efficient approach for unsupervised topic-based text summarization
  • Gabriel Shenouda, Aurélien Bossard, Oussama Ayoub, Christophe Rodrigues
  • TLDR: 我们提出了一种用于自动非监督总结的新的方法,用于文本的概括。
• Director: Generator-Classifiers For Supervised Language Modeling
  • Kushal Arora, Kurt Shuster, Sainbayar Sukhbaatar, Jason Weston
  • TLDR: 我们提出了一个用于生成模型的统一架构,该架构包含一个生成器和一个分类器,用于生成模型的模型分类器。
• VLStereoSet: A Study of Stereotypical Bias in Pre-trained Vision-Language Models
  • Kankan Zhou, Eason Lai, Jing Jiang
  • TLDR: 我们研究了在预先训练好的视觉-语言模型中衡量偏差的方法。
• Dynamic Context Extraction for Citation Classification
  • Suchetha Nambanoor Kunnath, David Pride, Petr Knoth
  • TLDR: 我们通过使用变换器来选择动态大小的和潜在的非监督的引用句法,以提高引用目的分类的模型的性能。
• Affective Retrofitted Word Embeddings
  • Sapan Shah, Sreedhar Reddy, Pushpak Bhattacharyya
  • TLDR: 我们提出了一种用于情感表征的非线性变换函数,它可以从预先训练好的词嵌入中学习情感感知的情感表征。
• Is Encoder-Decoder Redundant for Neural Machine Translation?
  • Yingbo Gao, Christian Herold, Zijian Yang, Hermann Ney
  • TLDR: 我们研究了用于机器翻译的神经网络架构的一般理论。
• SAPGraph: Structure-aware Extractive Summarization for Scientific Papers with Heterogeneous Graph
  • Siya Qi, Lei Li, Yiyang Li, Jin Jiang, Dingxin Hu, Yuze Li, Yingqi Zhu, Yanquan Zhou, Marina Litvak, Natalia Vanetik
  • TLDR: 我们提出了SAPGraph,用于用论文的论文结构进行论文总结。
• Toward Implicit Reference in Dialog: A Survey of Methods and Data
  • Lindsey Vanderlyn, Talita Anthonio, Daniel Ortega, Michael Roth, Ngoc Thang Vu
  • TLDR: 我们对自动编码器的现状进行了理论和经验上的分析。
• A Decade of Knowledge Graphs in Natural Language Processing: A Survey
  • Phillip Schneider, Tim Schopf, Juraj Vladika, Mikhail Galkin, Elena Simperl, Florian Matthes
  • TLDR: 我们通过分析507个论文来分析知识图谱(KGs)在NLP研究上的应用。
• Multimodal Generation of Radiology Reports using Knowledge-Grounded Extraction of Entities and Relations
  • Francesco Dalla Serra, William Clackett, Hamish MacKinnon, Chaoyang Wang, Fani Deligianni, Jeff Dalton, Alison Q. O’Neil
  • TLDR: 我们提出了一个二步框架,用于直接生成医院的诊断报告。
• SBERT studies Meaning Representations: Decomposing Sentence Embeddings into Explainable Semantic Features
  • Juri Opitz, Anette Frank
  • TLDR: 我们通过学习将句法BERT嵌入纳入句法相似性评估,以获得句法相似性。
• The Lifecycle of “Facts”: A Survey of Social Bias in Knowledge Graphs
  • Angelie Kraft, Ricardo Usbeck
  • TLDR: 我们研究了知识图谱的上下文偏差,并提出了解决方法。
• Food Knowledge Representation Learning with Adversarial Substitution
  • Diya Li, Mohammed J Zaki
  • TLDR: 我们提出了一个用于知识图上嵌入的对抗性样本生成策略集。
• Construction Repetition Reduces Information Rate in Dialogue
  • Mario Giulianelli, Arabella Sinclair, Raquel Fernandez
  • TLDR: 我们通过对句法的句法结构进行量化分析来分析句法结构的重复。
• Analogy-Guided Evolutionary Pretraining of Binary Word Embeddings
  • R. Alexander Knipper, Md. Mahadi Hassan, Mehdi Sadi, Shubhra Kanti Karmaker Santu
  • TLDR: 我们提出了一种新的方法,通过从单词中学习二元词嵌入,保留词语和节点之间的语义关系,同时保留节点本身的正则性。
• Contrastive Video-Language Learning with Fine-grained Frame Sampling
  • Zixu Wang, Yujie Zhong, Yishu Miao, Lin Ma, Lucia Specia
  • TLDR: 我们提出了FineCo,一种用于视频和语言表示学习的新方法,它可以提高文本-视频检索和视频回答的性能。
• Enhancing Tabular Reasoning with Pattern Exploiting Training
  • Abhilash Shankarampeta, Vivek Gupta, Shuo Zhang
  • TLDR: 我们使用基于GAN的GANs来改进和增强现有的GANs,以提高GANs的知识和推理能力。
• Re-contextualizing Fairness in NLP: The Case of India
  • Shaily Bhatt, Sunipa Dev, Partha Talukdar, Shachi Dave, Vinodkumar Prabhakaran
  • TLDR: 我们通过对社会偏差的 प्रमुखकृतxes进行详细的概括,从理论上分析了在印度的公平性研究中存在偏差。
• Low-Resource Multilingual and Zero-Shot Multispeaker TTS
  • Florian Lux, Julia Koch, Ngoc Thang Vu
  • TLDR: 我们提出了一种用于文本到语音的神经方法,它可以从5分钟的训练数据中学习说话一个新语言,同时保留能够推断说话者的语音的语音。
• Unsupervised Domain Adaptation for Sparse Retrieval by Filling Vocabulary and Word Frequency Gaps
  • Hiroki Iida, Naoaki Okazaki
  • TLDR: 我们提出了一种用于非监督领域适应的非监督方法,通过填充词汇和句法的广义词汇差距,以解决词汇和句法的广义词汇差距。
• KESA: A Knowledge Enhanced Approach To Sentiment Analysis
  • Qinghua Zhao, Shuai Ma, Shuo Ren
  • TLDR: 我们提出了两个情感感知的辅助任务,它们可以被应用于下游任务,并表明它们在完成后比基础任务更重要。
• Cross-lingual Few-Shot Learning on Unseen Languages
  • Genta Winata, Shijie Wu, Mayank Kulkarni, Thamar Solorio, Daniel Preotiuc-Pietro
  • TLDR: 我们使用一个从前训练的语言模型中学习的情感分析任务来分析几个最先进的模型架构和他们的学习动态。
• Domain-aware Self-supervised Pre-training for Label-Efficient Meme Analysis
  • Shivam Sharma, Mohd Khizir Siddiqui, Md. Shad Akhtar, Tanmoy Chakraborty
  • TLDR: 我们提出了一个用于多模态学习的自我监督方法,它可以从单个目标中学习,同时可以从多个特定主题中学习。
• A Prompt Array Keeps the Bias Away: Debiasing Vision-Language Models with Adversarial Learning
  • Hugo Berg, Siobhan Hall, Yash Bhalgat, Hannah Kirk, Aleksandar Shtedritski, Max Bain
  • TLDR: 我们通过使用现有的嵌入来训练文本查询,从文本上学习偏见,以减少偏见。
• Some Languages are More Equal than Others: Probing Deeper into the Linguistic Disparity in the NLP World
  • Surangika Ranathunga, Nisansa de Silva
  • TLDR: 我们提出了一个全面的语言分类问题,并提出了解决方法。
• Neural Readability Pairwise Ranking for Sentences in Italian Administrative Language
  • Martina Miliani, Serena Auriemma, Fernando Alva-Manchego, Alessandro Lenci
  • TLDR: 我们研究了用于文法层次阅读的神经网络的执行情况,并表明,在没有数据的情况下,使用一个词的层次阅读的模型可以提高一个词的阅读性能。
• Delivering Fairness in Human Resources AI: Mutual Information to the Rescue
  • Leo Hemamou, William Coleman
  • TLDR: 我们提出了一种基于互通信息的语言处理方法,可以避免对候选人的名称和CV的潜在表征之间的偏差。
• Not another Negation Benchmark: The NaN-NLI Test Suite for Sub-clausal Negation
  • Thinh Hung Truong, Yulia Otmakhova, Timothy Baldwin, Trevor Cohn, Jey Han Lau, Karin Verspoor
  • TLDR: 我们提出了一个用于NLI的自然语言推理的测试库,用于学习表征,并表明它可以帮助我们更好地理解NLI的潜在能力。
• HaRiM^+: Evaluating Summary Quality with Hallucination Risk
  • Seonil (Simon) Son, Junsoo Park, Jeong-in Hwang, Junghwa Lee, Hyungjong Noh, Yeonsoo Lee
  • TLDR: 我们提出了一种用于总结的一般衡量标准,即HaRiM+,它不需要一个从书中生成的总结模型来 compute,而是依赖一个从书中生成的总结模型的可解释可信概率来计算。
• The lack of theory is painful: Modeling Harshness in Peer Review Comments
  • Rajeev Verma, Rajarshi Roychoudhury, Tirthankar Ghosal
  • TLDR: 我们提出了第一个用于批评专家的批评数据集,并表明,批评专家的批评可以被用来改进批评报告。
• Dual Mechanism Priming Effects in Hindi Word Order
  • Sidharth Ranjan, Marten van Schijndel, Sumeet Agarwal, Rajakrishnan Rajkumar
  • TLDR: 我们表明,句法的初始化和句法的独立语义 priming之间没有可分离的联系。
• Unsupervised Single Document Abstractive Summarization using Semantic Units
  • Jhen-Yi Wu, Ying-Jia Lin, Hung-Yu Kao
  • TLDR: 我们提出了一种用于抽象总结的非监督方法,它可以从源文本中学习每个语义单元的频率。
• Detecting Incongruent News Articles Using Multi-head Attention Dual Summarization
  • Sujit Kumar, Gaurav Kumar, Sanasam Ranbir Singh
  • TLDR: 本文提出了一种基于多头注意力的多头注意力(MADS)的新型多头注意力(MADS)方法,它生成了两个层次的总结,捕捉两个层次的相等和不等的部分。
• Meta-Learning based Deferred Optimisation for Sentiment and Emotion aware Multi-modal Dialogue Act Classification
  • Tulika Saha, Aditya Prakash Patra, Sriparna Saha, Pushpak Bhattacharyya
  • TLDR: 我们提出了一个用于DAs的多模态框架,并表明,它可以作为一个用于DAs的框架。
• Enhancing Financial Table and Text Question Answering with Tabular Graph and Numerical Reasoning
  • Rungsiman Nararatwong, Natthawut Kertkeidkachorn, Ryutaro Ichise
  • TLDR: 我们提出了一个用于问题回答的基于图的神经网络的框架,该框架基于一个基于回答的证据提取模块。
• Fine-grained Contrastive Learning for Definition Generation
  • Hengyuan Zhang, Dawei Li, Shiping Yang, Yanran Li
  • TLDR: 我们提出了一种新的对比性学习方法,鼓励模型在定义序列编码中捕捉更详细的语义表征。
• Hengam: An Adversarially Trained Transformer for Persian Temporal Tagging
  • Sajad Mirzababaei, Amir Hossein Kargaran, Hinrich Schütze, Ehsaneddin Asgari
  • TLDR: 我们提出了一个用于时间标签的对抗性变换器,它在各种语言的上下文库上的表现优于目前的最先进的方法。
• What’s Different between Visual Question Answering for Machine “Understanding” Versus for Accessibility?
  • Yang Trista Cao, Kyle Seelman, Kyungjun Lee, Hal Daumé III
  • TLDR: 我们通过评估不同机器理解数据集的差异来解决视觉问题回答问题问题。
• Persona or Context? Towards Building Context adaptive Personalized Persuasive Virtual Sales Assistant
  • Abhisek Tiwari, Sriparna Saha, Shubhashis Sengupta, Anutosh Maitra, Roshni Ramnani, Pushpak Bhattacharyya
  • TLDR: 我们提出了一个用于多任务对话的端到端多模式对话系统,它可以从目标控制者和目标实现者中获得建议。
• Legal Case Document Summarization: Extractive and Abstractive Methods and their Evaluation
  • Abhay Shukla, Paheli Bhattacharya, Soham Poddar, Rajdeep Mukherjee, Kripabandhu Ghosh, Pawan Goyal, Saptarshi Ghosh
  • TLDR: 我们通过对法律案例的概括进行广泛的实验来分析法律文件的概括。
• FPC: Fine-tuning with Prompt Curriculum for Relation Extraction
  • Sicheng Yang, Dandan Song
  • TLDR: 我们提出了一种新的方法,通过使用随机课程(FPC)来进行RE的归纳,它可以显著超越现有的方法。
• Dead or Murdered? Predicting Responsibility Perception in Femicide News Reports
  • Gosse Minnema, Sara Gemelli, Chiara Zanchi, Tommaso Caselli, Malvina Nissim
  • TLDR: 我们表明,不同的语言选择会引起不同的感知,并可以被模型自动地归纳出来。
• PESE: Event Structure Extraction using Pointer Network based Encoder-Decoder Architecture
  • Alapan Kuila, Sudeshna Sarkar
  • TLDR: 我们提出了一种基于点点网络的编码器-解码模型,它通过利用活动参与者的互动来生成每个事件记录的事件句法。
• How do we get there? Evaluating transformer neural networks as cognitive models for English past tense inflection
  • Xiaomeng Ma, Lingyu Gao
  • TLDR: 我们训练了变压器模型,它们在不相交的句法正则性方面表现得更好。
• Characterizing and addressing the issue of oversmoothing in neural autoregressive sequence modeling
  • Ilia Kulikov, Maksim Eremeev, Kyunghyun Cho
  • TLDR: 我们通过使用一个神经机器翻译任务的测试空间来研究神经逆向模型的正则化效应。
• Identifying Weaknesses in Machine Translation Metrics Through Minimum Bayes Risk Decoding: A Case Study for COMET
  • Chantal Amrhein, Rico Sennrich
  • TLDR: 我们表明,在机器翻译中,最先进的结果往往与人类的评分相反。
• Whodunit? Learning to Contrast for Authorship Attribution
  • Bo Ai, Yuchen Wang, Yugin Tan, Samson Tan
  • TLDR: 我们首次将基于语义的微调与基于语义的反向学习相结合,以提高作者身份的属性。
• Higher-Order Dependency Parsing for Arc-Polynomial Score Functions via Gradient-Based Methods and Genetic Algorithm
  • Xudong Zhang, Joseph Le Roux, Thierry Charnois
  • TLDR: 一种用于高阶依赖性解析的新型方法,使用了可变的梯度函数和自动differentiation libraries。
• Underspecification in Scene Description-to-Depiction Tasks
  • Ben Hutchinson, Jason Baldridge, Vinodkumar Prabhakaran
  • TLDR: 我们提出了一个概念框架,用于解决多模态图像+文本系统中图像的视觉模糊问题。
• COFAR: Commonsense and Factual Reasoning in Image Search
  • Prajwal Gatti, Abhirama Subramanyam Penamakuri, Revant Teotia, Anand Mishra, Shubhashis Sengupta, Roshni Ramnani
  • TLDR: 我们提出了一个知识检索-增强的多模态转换(KRAMT),它可以用于进行图像搜索需要的常识和事实推理。