AI 科技评论按：自然语言处理领域的顶级会议 EMNLP 2017，将于 9 月 7-11 日在哥本哈根召开。今年 EMNLP 共接受论文 323 篇，其中 216 篇为长论文，107 篇为短论文。最佳论文名单已经公布，详见此前报道：EMNLP 2017 最佳论文揭晓，「男人也爱逛商场」获最佳长论文。
AI科技评论了解到，著名华人 NLP 学者、斯坦福大学副教授 Percy Liang，共有三篇署名论文被 EMNLP 2017 收录：
《Macro Grammars and Holistic Triggering for Efficient Semantic Parsing 》
作者：Yuchen Zhang, Panupong Pasupat, Percy Liang
《Adversarial Examples for Evaluating Reading Comprehension Systems》
作者：Robin Jia, Percy Liang
《Importance sampling for unbiased on-demand evaluation of knowledge base population》
作者：Arun Chaganty, Ashwin Paranjape, Percy Liang and Christopher D. Manning
Percy Liang
三篇论文的第一作者，Yuchen Zhang、Robin Jia 和 Arun Chaganty，均为 Percy Liang 在斯坦福的指导学生。第三篇尚未公开，前两篇论文的摘要如下：
《Adversarial Examples for Evaluating Reading Comprehension Systems》
即“《用对抗方案评估阅读理解系统的例子》”
摘要：
标准的精确度衡量标准表明，阅读理解系统正在快速进步。但这些系统究竟能在多大程度上真正理解语言，仍然未知。为了奖励具有语言理解能力的系统，我们针对斯坦福问答数据集 (SQuAD) 提出一个对抗评估方案。我们的方案会自动生成并在段落中插入对抗语句，然后测试系统是否能围绕这一段落回答问题。这些对抗语句的目的在于干扰计算机回答系统，但并不会改变问题的正确答案，也不会对人类读者造成干扰。在这种对抗方案中，16 个已发表模型的精确度从 75%（F1 分数）降到了 36%。当对抗系统被允许加入不符合语法的短语串，有四个模型的平均精度下降到了 7%。我们希望该发现能激励大家开发出能够更精确理解语言的新模型。
地址：https://arxiv.org/abs/1707.07328
《Macro Grammars and Holistic Triggering for Efficient Semantic Parsing 》
即“《应用于高效语义解析的宏观语法和整体触发》”
摘要：
为了从注解中学习出语义解析器，一个学习算法必须在一个大型逻辑形式组合空间中，搜索与注解匹配的逻辑组合。我们提出一个新的在线学习算法，能随着训练进程搜索地越来越快。两个关键的想法是：1. 对于当前找到的有价值的逻辑形式，把它们的抽象模式用宏观语法（macro grammars）缓存起来；2. 根据句子相似性，使用整体触发（holistic triggering）高效抽取最相关的模式。在 WikiTableQuestions 数据集，我们先是扩展了已有模型的搜索空间，把最高精确度从 38.7% 提升到了 42.7%。然后，用宏观语法和整体触发实现 11 倍的加速和 43.7% 的精确度。
地址：https://arxiv.org/abs/1707.07806
————— 给爱学习的你的福利 —————
3个月，从无人问津到年薪30万的秘密究竟是什么？答案在这里——崔立明授课【推荐系统算法工程师-从入门到就业】3个月算法水平得到快速提升，让你的职业生涯更有竞争力！长按识别下方二维码（或阅读原文戳开链接）抵达课程详细介绍~
————————————————————
