2020 LIC競賽冠軍團隊經驗分享！

語言是人類信息傳遞最重要的媒介，讓機器理解語言并進行交互是人工智能的基本挑戰(zhàn)。為了推動語言理解與交互技術發(fā)展，中國中文信息學會、中國計算機學會和百度公司聯(lián)合舉辦“2020語言與智能技術競賽”。

比賽歷時3個月，共吸引了來自海內外知名企業(yè)、高校及科研機構的5307支隊伍報名，收到近1.5萬份結果提交，五大任務的系統(tǒng)效果較基線提升平均約90%。

在精彩紛呈的角逐中，云知聲智能科技股份有限公司、國防科技大學、深圳追一科技有限公司、京東方智能物聯(lián)首席技術官組織、深思考人工智能機器人科技（北京）有限公司和大連理工大學脫穎而出，獲得了比賽的冠軍。作為冠軍隊伍，他們的方法和思路，對于相關方向的研究者們有著借鑒意義。

11月7日，五大任務冠軍團隊將親臨直播間做評測報告，為大家?guī)肀荣惤涷灥姆窒?！機器閱讀理解、面向推薦的對話、語義解析、關系抽取和事件抽取五個核心任務全面覆蓋，干貨滿滿，精彩不容錯過！

直播時間：11月7日10:00-12:00

10:00-10:25 機器閱讀理解任務

針對過敏感和過穩(wěn)定問題，分別從相似問句構建和相似篇章構建兩個角度提出兩種數(shù)據(jù)增強方式，針對領域內和未知領域問題使用增量和二階段訓練增強模型性能，有效增強了模型的魯棒性。

10:25-10:50 ?面向推薦的對話任務

任務是在給定的知識庫下，針對目標完成多輪對話。在該任務目標下，基于預訓練模型，采用分桶的編碼方式和多源信息融合的解碼器，將知識按長度分桶、獨立編碼，大大減少了內存占用，構建了一個端到端的對話模型，在自動和人工評測均取得第一的好成績。

10:50-11:15 ?語義解析任務

相較于Seq2Seq的傳統(tǒng)方案，新方法將Seq2Seq與模板填充進行結合，首先使用Seq2Seq生成SQL模板，然后采用模板填充技術對模板中的細節(jié)部分進行預測填充，有效地解決了傳統(tǒng)Seq2Seq所具有的SQL組件順序敏感、計算資源依賴較高、SQL生成效率較低等問題，在最終測試集上取得了76.5%的成績

11:15-11:40 ?關系抽取任務

相對于先抽取實體再關系分類的傳統(tǒng)方法，把實體抽取任務分為主語抽取、賓語抽取、關系分類三個步驟，輸出層采用機器閱讀理解中的指針網(wǎng)絡作為基本結構，有效解決了實體進行兩兩匹配帶來的大量負樣本，用引入虛擬節(jié)點的方式解決復雜賓語的問題，用PU Learning解決遠監(jiān)督召回率較低的問題。

11:40-12:05 ?事件抽取任務

針對限定領域的事件抽取任務，不同于先進行觸發(fā)詞抽取再進行事件角色抽取的傳統(tǒng)方案，該方案采用基于BERT的多層標簽指針網(wǎng)絡，對事件角色進行端到端的標注，并有效解決了事件抽取任務中的角色重疊和元素重疊等問題。

直播地址

掃描長圖中的二維碼進入交流群獲取直播鏈接，周六早10點，不見不散！