腾讯AI平台孟凡东COLING 2016论文报告摘要

COLING 2016

日本·大阪 12.11-12.16

国际计算语言学会议(International Conference on Computational Linguistics,简称COLING),是自然语言处理和计算语言学领域的重要国际学术会议,每两年召开一次。本次是第26届国际计算语言学会议(即COLING-2016)于12.11-12.16日在日本大阪举行。

腾讯AI平台孟凡东博士报告独家报道

本次会议的有效投稿数为1039篇,有337篇论文被录用,接收率是32%。论文的报告形式分为Oral和Poster两种,其中有135篇论文以Oral报告的形式被录取,占比接近13%。腾讯AI平台孟凡东博士有一篇题为《Interactive Attention for Neural Machine Translation》的论文以Oral报告的形式被录取,于12月15日下午17点30分在大阪国际会议中心12层的Conference Hall作报告(报告+提问环节一共约30分钟),过程中有众多学者表现出浓厚兴趣。

报告概要

论文《Interactive Attention for Neural Machine Translation》提出了交互式注意力模型,以缓解神经机器翻译中的漏翻译和重复翻译问题,在多个中英翻译测试集上,显著提升了神经机器翻译的效果(BLEU值)。基于注意力模型的神经机器翻译是目前的研究热点,深受学术界和工业界的青睐。然而,传统的基于注意力模型的神经机器翻译并没有一个直接有效的机制来确保翻译的完整性,因此会导致翻译的结果存在漏翻译和重复翻译的现象。一些学者从翻译覆盖的角度建模,提出了一些改进的注意力模型,而本文从Memory读写的角度出发,借鉴神经图灵机的思想,提出了改进的注意力模型----交互式注意力模型。交互式注意力模型的特点是在翻译的过程中,可以根据当前的翻译状态动态地修改源语言句子的表示(Memory),因此翻译解码器在每一步的翻译过程中所看到的源语言句子表示是不同的,这一点与传统的注意力模型(源语言句子表示经过编码器编码之后就固定不变了)有本质的不同。这种对Memory的读写机制,使得翻译解码器能够根据已翻译的状态修改源语言句子的表示,从而更容易记住翻译过程中的注意力历史,帮助解码器更准确地判断源语言句子哪些部分还没有翻译、哪些部分已经翻译过了,以缓解漏翻译和重复翻译问题,提升翻译效果。

更多AI领域国际会议快讯,随时follow我们哟!

明年见!

原文发布于微信公众号 - 腾讯高校合作(Tencent_UR)

原文发表时间:2016-12-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【干货】生成对抗式网络创始人Quora答疑

【新智元导读】还记得不久前LeCun在Quora答题时说的,他最激动的深度学习进展是“生成对抗网络”吗?生成对抗网络的提出者Ian Goodfellow日前也在...

36512
来自专栏人工智能头条

DNN的隐喻分析:“深度学习”,深在何处

1473
来自专栏新智元

【再论深度学习必死】马库斯回应14大质疑,重申深度学习怀疑论

作者:Gary Marcus 翻译:新智元编辑部 【新智元导读】深度学习论战再起,NYT心理学家Gary Marcus如约写了一篇偏技术的文章,回应对他此前提出...

3334
来自专栏大数据文摘

Marcus十大理由质疑深度学习?LeCun说大部分错了

1376
来自专栏CSDN技术头条

DNN的隐喻分析:“深度学习”,深在何处

【编者按】DNN现在已经被互联网公司广泛使用,但大众对深度学习的理解水平并不一致。Nuance的这篇文章从另外一个角度来审视DNN技术的演进——分析隐喻如何作为...

20810
来自专栏AI研习社

用一张单色图像生成高质量3D几何结构 | 2分钟读论文

来源 / Two Minute Papers 翻译 / 于法传 校对 / 凡江 整理 / 雷锋字幕组 本期论文:Hierarchical Surface Pre...

40312
来自专栏数据科学与人工智能

【数据挖掘】数据挖掘中应该避免的弊端

1. 缺乏数据(Lack Data) 对于分类问题或预估问题来说,常常缺乏准确标注的案例。 例如:欺诈侦测(Fraud Detection):在上百万的交易中...

2868
来自专栏人工智能头条

基于大数据与深度学习的自然语言对话

1888
来自专栏机器之心

打响新年第一炮,Gary Marcus提出对深度学习的系统性批判

37212
来自专栏AI科技评论

学界 | 顶会见闻系列:ICML 2018(上),表示学习、网络及关系学习

AI 科技评论按:本篇属于「顶会见闻系列」。每年这么多精彩的人工智能/机器学习会议,没去现场的自然可惜,在现场的也容易看花眼。那么事后看看别的研究员的见闻总结,...

1005

扫码关注云+社区

领取腾讯云代金券