AAAI 2020上的NLP有哪些研究风向？

作者 | Camel

编辑 | 十、年

距离 AAAI 2020开幕还有不到一个月的时间，但有些话、有些文章却需要我们注意。

前几日，在北大举办了NLP方向的 AAAI 2020论文预讲会，共有 34 篇文章进行宣讲。

我们知道，AAAI 2020 共收到的有效论文投稿超过 8800 篇，其中 7737 篇论文进入评审环节，最终收录数量为 1591 篇。但 AAAI 2020 是一个综合型的会议，共有 20 个大的方向，其中每个大方向下又会有多个小方向；我们数了数总共大约有255个小方向，而NLP大方向只占了其中的8个。如果假设每个方向文章数量差不多，那么NLP方向大约有 50 篇左右的接收文章（实际当然不可能）。按这种估计本次预讲会可以说几乎涵盖了一半左右 AAAI - 20 中 NLP 方向的论文。因此在一定程度上，可以代表AAAI-20 NLP方向的主流研究内容。所以，作为 NLP 方向的老师/学生，若想了解AAAI-20上 NLP 的研究风向，这次预讲会的内容就不得不关注了。

这次预讲会中，将这 34 论文大致分为四个部分（Session），分别为：翻译、对话与文本生成，文芬分析与内容为挖掘，知识理解与NLP应用，自然语言中的机器学习。下面AI科技评论针对这次会议的34篇报告分别做一个简单介绍。

（一）

“翻译、对话与文本生成”部分由中科院计算所冯洋研究员主持。冯洋研究员也是2019年ACL最佳论文奖的获得者，她领导的实验组继承了刘群教授的衣钵，在机器翻译领域颇有造诣。

(1) Modeling Fluency and Faithfulness for Diverse Neural Machine Translation (2) Minimizing the Bag-of-Ngrams Difference for Non-Autoregressive Neural Machine Translation

在本届AAAI会议上，冯洋实验组有两篇论文入选。其中一篇工作（汇报人：谢婉莹）是在神经机器翻译模型中引入了一个评估模块，对生成的译文从流利度和忠实度两个方面进行评估，并用得到的评估分数用来指导训练阶段译文的概率分布，而在测试的时候，可以完全抛弃该评估模块，采用传统的Transformer模型进行解码。另一篇文章（汇报人：邵晨泽）提出了一个基于模型与参考译文间n元组袋差异的训练目标，并用该训练目标来训练非自回归模型。实验表明，该训练目标与翻译质量相关性强，对翻译效果有大幅提升。

(3) Neural Machine Translation with Joint Representation

在机器翻译领域，东北大学朱靖波、肖桐领导的小牛翻译实验室也是一支强队，在本届AAAI会议上，由博士生李炎洋为一作发表了一篇论文。现有的神经机器翻译模型一般都基于编码-解码框架，其中源和目标是分别处理的，这篇文章提出了联合表示的方法，将源与目标统一表示，如图所示：

这种处理方式非常适合长句子以及长段落的翻译。

本次预讲会，在对话方向，共有四篇文章。分别来自清华大学张亦驰（导师：欧智坚）、郑银河（导师：黄民烈）、中科院自动化所刘宇宸（导师：宗成庆）和南京大学孙亚伟。

(4)Task-Oriented Dialog Systems that Consider Multiple Appropriate Responses under the Same Context

张亦驰的工作主要研究了任务型对话中的一对多问题，为解决对话数据集中的可行系统动作分布不平衡，他提出了一种基于多动作数据增强的学习框架，可以有效学习到多样化的对话策略。

(5) A pre-training based personalized dialogue generation model with persona-sparse data

黄民烈教授是国内在对话系统方面做得非常优秀的一位学者，其工作曾获得IJCAI-ECAI 2018杰出论文奖、CCL 2018最佳系统展示奖。其博士后郑银河在文章中的主要工作是一个个性化对话生成模型，该模型使用了一种名叫注意力路由的机制，在训练的过程中可以使用个性化稀疏的对话数据，并且可以在生成的时候控制回复中所展现的个性化属性。

(6) Synchronous Speech Recognition and Speech-to-Text Translation with Interactive Decoding

自动化所刘宇宸等人的工作集中在语音识别和语音翻译任务上，他们提出了一种基于交互是学习的方法，能够在一个模型中实现同步语音识别和语音翻译任务，且能够同时提升两个任务的效果。

(7) SPARQA: Skeleton-based Semantic Parsing for Complex Questions over Knowledge Bases

南京大学孙亚伟的工作是聚焦在知识问答任务中的复杂问句上。他提出了一种复杂问句求解的方法，包括提出一种Skeleton表示和解析方法，以及一种多粒度(句子级和单词级)匹配方法。

(8) Knowledge Graph Grounded Goal Planning for Open-Domain Conversation Generation

事实上来自哈工大的徐俊（导师：车万翔）的工作也是关于对话（开放域对话生成），在其工作中，他们将目标管理引入到闲聊当中，其结果就是能够获得更连贯且更具吸引力的多轮对话。

（二）

在第二部分的“文本分析与内容挖掘”，由清华大学刘知远副教授主持。

在本届AAAI会议上，刘知远老师是论文大户，光他自己的团队就有 5 篇论文入选。刘知远老师近期最主要的工作之一是将深度学习的技术与曾风靡一时的HowNet进行结合，从而将知识融入到NLP研究中；原因在于随着深度学习的发展，其瓶颈日现，而结合知识发展NLP成为一个重要的发展方向，这也是清华大学的一个重要选择。

(11) Towards Building a Multilingual Sememe Knowledge Base: Predicting Sememes for BabelNet Synsets

来自北邮的常亮博士生在刘知远实验组实习期间，做了构建多语言义原知识库的工作，即利用BabelNet Synset进行义原预测从而帮助义原知识库的构建。这项工作也是刘知远老师整个大项目中的一部分。

(9) Multi-Scale Self-Attention for Text Classification

复旦大学的NLP团队也是国内顶尖团队之一，邱锡鹏教授更是为大家所熟知。他们与亚马逊上海AI实验室合作发表的文章主要工作是文本分类（汇报人：郭琦鹏）。他们认为对于语言的理解，无论是大尺度还是小尺度都是重要，为此他们提出了多尺度自注意力的方法，结果优于单一尺度的方法。

(10) Learning Multi-level Dependencies for Robust Word Recognition

这个Session的第三个报告来自“好未来AI LAB”（汇报人：许国伟），这也是所有 34 个报告中唯二来自业界的报告。他们的工作主要是为了提高对错字的识别和纠正。

他们设计了一个称为MUDE的框架，这个框架能够捕获自然语言中字符级和单词级的依赖性，从而可以从噪音文本中识别出正确的单词。

(12) Cross-Lingual Low-Resource Set-to-Description Retrieval for Global E-Commerce (13) Integrating Relation Constraints with Neural Relation Extractors

北大王选计算所这次也入选多篇论文。来自赵东岩/严睿实验组的博士生刘畅的研究工作是针对全球电子商务的跨语言、低资源、集合到描述的检索任务；而博士生叶元则提出了一个可以集成关系约束信息和神经关系抽取器的框架，该框架通过一个额外的损失函数使得神经关系抽取器能够学习到关系约束中蕴含的知识，从而提升关系抽取的性能。

(14) Capturing Sentence Relations for Answer Sentence Selection with Multi-Perspective Graph Encoding

来自中科院自动化所的田志兴，针对答案句选择任务中候选句间存在信息依赖的问题，提出了一种基于多视角图编码的方法，从而来捕获候选句之间的关系。

(15) Replicate, Walk, and Stop on Syntax: an Effective Neural Network Model for Aspect-Level Sentiment Classification

来自北航的郑耀威的研究也是与义原有关。他在依存树中引入了随机游走的方法，通过激活树的边给关键词更大的权重，用语法信息增强了多方面情感分类的效果。

(16) Cross-Lingual Natural Language Generation via Pre-Training

迟泽闻来自北理工黄河燕教授的团队，他的工作主要是通过预训练来进行跨语言的自然语言生成。

（三）

第三部分“知识理解与NLP应用”，由来自哈工大的车万翔教授主持。车万翔老师被业内人士称为“Car老师”，尽管地处偏远的东北，他们实验组在NLP领域却是并肩于清华、北大的存在；前几日的CSRankings上哈工大发表论文排名世界第7，全国第3（北大、清华、哈工大）。哈工大在本届AAAI上被录用的论文也非常多，不过由于路途遥远，这次仅有1篇论文一作来做汇报，我们将在第四个Session中介绍。

(17) Hyperbolic Interaction Model For Hierarchical Multi-Label Classification

对于知识理解，来自北京交通大学的陈博理提出了一个分级多标签分类的双曲交互模型。他在双曲线空间中对具有层级结构的标签进行文本分类，将标签映射到双曲线空间，对比欧式空间，可以更好地保留标签之间的关系。方法非常新颖。

(18) Multi-channel Reverse Dictionary Model

来自清华刘知远团队的岂凡超提出了一种多通道反向词典模型。所谓反向词典，即给定对某个词语的描述，希望得到符合给定描述的词语。岂凡超提出了一种受到人的描述→词的推断过程启发的多通道模型，这个模型在中英两种语言的数据集上都实现了当前最佳性能（state-of-the-art），甚至超过了最流行的商业反向词典系统。此外，基于该文提出的模型，论文作者还开发了在线反向词典系统，包含首次实现的中文、中英跨语言反向查词功能。

(19) Discovering New Intents via Constrained Deep Adaptive Clustering with Cluster Refinement

同样来自清华的林廷恩提出基于深度约束聚类的对话新意图发现。这项工作主要做端到端的约束聚类，融入少量带label的标注数据来提升性能，并透过消除低置信度分配来提升鲁棒性。

(20) Logo-2K+: A Large-Scale Logo Dataset for Scalable Logo Classification

来自山东师范大学的王静在计算所实习期间，构建了一个大型的且完备的logo数据集Logo-2K+，基于这个数据集，她提出了一个判别性的区域引导和增强网络，来二次定位关键区域，并将区域特征和全局特征进行融合，来做最终的类别预测。

(21) DMRM: A Dual-channel Multi-hop Reasoning Model for Visual Dialog

自动化所的陈飞龙针对视觉对话任务提出了一种双通道多跳推理模型。这个模型解决了视觉对话的多模态交互过程中往往会忽略信息的隐含关系以及原始表示的问题。

(22) DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue

北航的蒋萧泽所做的工作也是视觉对话。他针对视觉对话中设计的图像内容范围广、多视角理解困难的问题，提出一种用于刻画图像视觉和语义信息的自适应双向编码模型——DualVD，从视觉目标、视觉关系、高层语义等多层面信息中自适应捕获回答问题的依据，同时通过可视化结果揭示不同信息源对于回答问题的贡献，具有较强的可解释性。

(23) Storytelling from an Image Stream Using Scene Graphs

复旦大学的王瑞泽是黄萱菁教授的博士生，他的工作是关于多模态文本生成，即利用场景图针对图像序列进行故事生成。王瑞泽在报告中认为将图像转为图结构的表示方法（如场景图），然后通过图网络在图像内和跨图像两个层面上进行关系推理，将有助于表示图像，并最终有利于描述图像。实验结果证明了这种方法可以显著提高故事生成的质量。

(24) Draft and Edit: Automatic Storytelling Through Multi-Pass Hierarchical Conditional Variational Autoencoder

另外一篇关于故事生成的文章来自北大严睿团队，一作为于孟萱。她在论文中提出了结合Hierarchical CVAE 模型以及Multi-pass generation mechanism的方法，用这种方法来做故事生成，可以提升生成故事内容的一致性及多样性。

（四）

微软亚洲研究院的姚金戈博士主持了第四部分“自然语言中的机器学习”报告。姚金戈毕业于王选计算所万小军教授门下，现任微软亚洲研究院知识计算组主管研究员，研究兴趣包括信息抽取与文本生成。

(25) Learning Sparse Sharing Architectures for Multiple Tasks

在这个部分，首个报告来自复旦大学孙天祥（导师也是黄萱菁教授）。这篇文章提出了一种新的参数共享机制：稀疏共享。这种共享机制能够同时解决目前主流的三种共享机制（硬共享、软共享、分层共享）的限制问题。目前这篇文章已经开源。

(26) Reinforcement Learning from Imperfect Demonstrations under Soft Expert Guidance

个人认为在所有报告中，清华大学荆明轩的presentation是做的最好的，无论是slide，还是讲解都干净利落，当然工作也很好。他这项工作通过引入示教样本作为约束，从而来提高强化学习和模仿学习在稀疏回报函数下的训练效率，并保持了在低质量示教下策略的最优性。

(27) Shapley Q-value: A Local Reward Approach to Solve Global Reward Games

北京来也公司的张原通过考虑游戏中的状态和动作，将Shapley值（即凸游戏中的信用分配方法）扩展为Shapley Q-值，并利用Shapley Q-值将信用分配给全局奖励游戏中的每个代理商，同时还根据Shapley Q-值提出了一种称为SQDDPG的算法。

(28) Measuring and relieving the over-smoothing problem in graph neural networks from the topological view

博士生陈德里来自北大计算语言所孙栩教授门下，他们从拓扑学的视角，针对图神经网络中的over-smoothing问题进行系统且定量的研究。报告中陈德里表示，影响over-smoothing的关键在于结点的信噪比，而图的拓扑结构恰恰会影响信噪比。于是他们从图的拓扑关系出发，设计了两个不依赖于gold lable的指标MAD和MADGap，分别用来衡量图网络学习到的节点表示的smoothing以及over-smoothing程度。

(29) Neighborhood Cognition Consistent Multi-Agent Reinforcement Learning

随后来自北大的毛航宇介绍了一项由北大、华为（诺亚方舟实验室）等单位合作的一项关于多智能体强化学习的工作。这项工作受启于社会心理学中的“认知一致性”对维持人类社会秩序的作用，即如果人们对环境的认知更加一致，他们就更有可能实现更好的合作。由此他们提出“邻域认知一致性”，并将其引入多智能体强化学习当中。

(30) Neural Snowball for Few-Shot Relation Learning

来自清华的高天宇是刘知远副教授的学生，他的工作聚焦在关系抽取。目前的关系抽取，面临着开放式的关系增长问题，目前已有有监督、半监督、少次学习和自启动关系抽取，这些方法涉及到了三种类型的数据：在已有关系类型上的大规模监督数据，对于新关系的少量标注数据，以及大规模的无监督数据。高天宇等人提出Neural Snowball，充分利用了这三种数据，进行关系抽取。

(31) Multi-Task Self-Supervised Learning for Disfluency Detection

哈工大王少磊也是车万翔教授的学生，在他的工作中主要利用多任务、自监督学习来检测文本中的套话。他们提出了两种模型，实验结果验证他们只需要1%的训练数据就可以达到与之前工作相同的性能。

(32) Constructing Multiple Tasks for Augmentation: Improving Neural Image Classification With K-means Features

复旦大学卿立之来自黄萱菁教授团队。他的工作围绕图像分类，通过无监督聚类的方式，在图像分类上为单任务构造了辅助任务，并利用新设计的一套元学习算法进行多任务训练，从而提高了图像分类的效果。

(33) Graph-propagation based correlation learning for fine-grained image classification

大连理工大学的王世杰工作的内容是关于细粒度图像识别。在该任务中，他们提出了使用图的方式（据他表示，这也是第一个提出）来挖掘区域间的关系并引入局部空间上下文，从而来进一步强化判别性特征。

(34) End-to-End Bootstrapping Neural Network for Entity Set Expansion

同样是第一个提出，中科院软件所颜令勇（来自孙乐、韩先培团队）在实体集合拓展中，第一个提出了端到端的bootstrapping网络，并利用多视角学习进行有效学习。

最后的话……

爱丁堡大学刘兵教授在会议发言中针对席下学生也特别提醒：

“不要发一篇顶会文章就觉得自己非常牛，也许在自己同班同学、在自己学校，甚至在我们国内很厉害，但不要骄傲，等你到了大会上就会发现，那里是汪洋大海，你会感到自己在里面是多么得微不足道。你愿意在汪洋大海里只是一条小鱼吗？显然不。将来你要去领导这个世界的潮流；如果你不能领导世界的潮流，你做的许多事情就没有意义了。”

“同学们、老师们，将来就要看你们了。不要满足于在自己班里、自己学校里做得好；不要满足于优青、杰青的称号。这些在国际上一点用都没有。真正重要的是，你的工作能否对人类的进步作出杰出贡献！希望你们在未来10到15年里，做出产生世界影响的工作。”

附 34 篇文章列表

Session 1：翻译、对话与文本生成

(1) Modeling Fluency and Faithfulness for Diverse Neural Machine Translation

(2) Minimizing the Bag-of-Ngrams Difference for Non-Autoregressive Neural Machine Translation

(3) Task-Oriented Dialog Systems that Consider Multiple Appropriate Responses under the Same Context

(4) A pre-training based personalized dialogue generation model with persona-sparse data

(5) Synchronous Speech Recognition and Speech-to-Text Translation with Interactive Decoding

(6) SPARQA: Skeleton-based Semantic Parsing for Complex Questions over Knowledge Bases

(7) Knowledge Graph Grounded Goal Planning for Open-Domain Conversation Generation

(8) Neural Machine Translation with Joint Representation

Session 2：文本分析与内容挖掘

(9) Multi-Scale Self-Attention for Text Classification

(10) Learning Multi-level Dependencies for Robust Word Recognition

(11) Towards Building a Multilingual Sememe Knowledge Base: Predicting Sememes for BabelNet Synsets

(12) Cross-Lingual Low-Resource Set-to-Description Retrieval for Global E-Commerce

(13) Integrating Relation Constraints with Neural Relation Extractors

(14) Capturing Sentence Relations for Answer Sentence Selection with Multi-Perspective Graph Encoding

(15) Replicate, Walk, and Stop on Syntax: an Effective Neural Network Model for Aspect-Level Sentiment Classification

(16) Cross-Lingual Natural Language Generation via Pre-Training

Session 3：知识理解与NLP应用

(17) Hyperbolic Interaction Model For Hierarchical Multi-Label Classification

(18) Multi-channel Reverse Dictionary Model

(19) Discovering New Intents via Constrained Deep Adaptive Clustering with Cluster Refinement

(20) Logo-2K+: A Large-Scale Logo Dataset for Scalable Logo Classification

(21) DMRM: A Dual-channel Multi-hop Reasoning Model for Visual Dialog

(22) DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue

(23) Storytelling from an Image Stream Using Scene Graphs

(24) Draft and Edit: Automatic Storytelling Through Multi-Pass Hierarchical Conditional Variational Autoencoder

Session 4：自然语言中的机器学习

(25) Learning Sparse Sharing Architectures for Multiple Tasks

(26) Reinforcement Learning from Imperfect Demonstrations under Soft Expert Guidance

(27) Shapley Q-value: A Local Reward Approach to Solve Global Reward Games

(28) Measuring and relieving the over-smoothing problem in graph neural networks from the topological view

(29) Neighborhood Cognition Consistent Multi-Agent Reinforcement Learning

(30) Neural Snowball for Few-Shot Relation Learning

(31) Multi-Task Self-Supervised Learning for Disfluency Detection

(32) Constructing Multiple Tasks for Augmentation: Improving Neural Image Classification With K-means Features

(33) Graph-propagation based correlation learning for fine-grained image classification

(34) End-to-End Bootstrapping Neural Network for Entity Set Expansion