[极速聊科技]同盾科技两篇论文入选人工智能顶级会议AAAI 金融界网站讯近期

金融界网站讯近期， AAAI2020在美国纽约召开。在这场人工智能领域的顶级会议中，同盾科技共有两篇论文《ImprovingQuestionGenerationwithSentence-levelSemanticMatchingandAnswerPositionInferring》和《RethinkingtheBottom-UpFrameworkforQuery-basedVideoLocalization》被选为口头报告，两篇论文分别为文本问答系统和视频问答系统相关领域最前沿研究成果，分别与佛罗里达大学和浙江大学合作。
截止到2020年， AAAI已经成功举办了34届，被公认为人工智能领域的权威会议，也是各科技公司竞技的赛场，同时更是未来人工智能产业发展方向的重要风向标。
近日，工业和信息化部新闻发言人、信息技术发展司司长谢少锋表示，在疫情期间，人工智能技术得到了有效运用，据不完全统计，有20多款人工智能产品和应用在疫情监测、疾病诊断、药物研发等方面发挥了重要的作用。而同盾智能预测系统和智能回访平台也在疫情期间驰援一线协助抗疫。
同时，随着“新基建”成为当下国内经济焦点之一，中国要加快5G、大数据中心、人工智能等新型基础设施建设进度，产业的网络化、数字化、智能化发展已经成为大势所趋。
本次AAAI大会共收到了8843篇投稿， 7737篇论文进入评审，最终录取1591篇论文，其中仅有453篇作为会议口头报告。会议论文主题涵盖计算机视觉、自然语言处理、机器学习、知识表达、逻辑推理等多个前沿领域，同盾作为重要的中国企业代表，在当前人工智能行业最前沿的竞技舞台上取得亮眼表现，其背后反映出很强的科研创新能力。
以本次入选的《ImprovingQuestionGenerationwithSentence-levelSemanticMatchingandAnswerPositionInferring》为例。
问答系统是自然语言处理领域的一个重要研究方向，近年来各大国际会议、期刊都发表了大量与问答系统相关的研究成果，实际工业界中也有不少落地的应用场景，核心算法涉及机器学习、深度学习等知识。问答系统的主要研究点包括模型构建、对问题/答案编码、引入语义特征、引入强化学习、内容选择、问题类型建模、引入上下文信息以及实际应用场景问题解决等。
【[极速聊科技]同盾科技两篇论文入选人工智能顶级会议AAAI】同盾的论文主要聚焦问答系统的反问题---问题生成。问题生成的目的是在给定上下文和相应答案的情况下生成语义相关的问题，问题生成在智能对话系统、教育场景、问答助手、智能投顾、医疗问诊等应用领域具有巨大的潜力。
问题生成任务可分为两类：一类是基于规则的方法，即在不深入理解上下文语义的情况下手动设计词汇规则或模板，将上下文转换成问题。另一类是基于神经网络的、直接从语句片段中生成问题词汇的方法，包括序列-序列模型、编码器解码器等。本文讨论的是一种基于神经网络的问题生成方法。
目前，基于神经网络的问题生成模型主要面临以下两个问题：错误的关键词和疑问词：模型可能会使用错误的关键词和疑问词来提问；糟糕的复制机制：模型复制与答案语义无关的上下文单词。
同盾及佛大合作者认为，现有的基于神经网络的问题生成模型之所以出现上述两个问题是因为：解码器在生成过程中可能只关注局部词语义而忽略全局问题语义；复制机制没有很好地利用答案位置感知特征，导致从输入中复制与答案无关的上下文单词。

文章图片

文章图片
采用句子对问题注意和问题对句子注意来强调每个句子词和每个问题词之间的相互语义关联，并利用相似的注意机制得到了问题感知的句子表征H和句子感知的问题表征S：