图灵汇官网

EMNLP 2017大会亮点及获奖论文介绍

EMNLP（自然语言处理领域的顶级会议）于2017年9月7日至9月11日在丹麦哥本哈根成功召开。本次会议共收录了323篇论文，其中包括216篇长论文和107篇短论文。此次大会不仅展示了最新的研究成果，还揭晓了最佳论文奖。

EMNLP 2017最佳论文揭晓

会议期间公布了三项最佳论文奖：最佳长论文、最佳短论文和最佳资源论文。以下是获奖论文的简要介绍：

最佳长论文

论文标题： Men Also Like Shopping: Reducing Gender Bias Amplification Using Corpus-Level Constraints
作者： Jieyu Zhao、Tianlu Wang、Mark Yatskar、Vicente Ordonez 和 Kai-Wei Chang
链接： https://arxiv.org/abs/1707.09457

摘要： 本文探讨了在线图像收集和多标签目标分类及视觉语义角色标注任务中存在的性别偏见问题。研究发现，训练数据中存在严重的性别偏见，如做饭更常与女性联系在一起，而模型在测试阶段进一步放大了这种偏见。作者提出了语料库级别的约束来校准模型，从而减少了性别偏见的放大。

最佳短论文

论文标题： Natural Language Does Not Emerge ‘Naturally’ in Multi-Agent Dialog
作者： Satwik Kottur、José Moura、Stefan Lee 和 Dhruv Batra
链接： https://arxiv.org/abs/1706.08502

摘要： 本文通过实验表明，即使智能体在无监督条件下发展出的通信协议看似具有人类可翻译的特征，但这些协议本质上并不是自然语言。研究揭示了智能体创造的“语言”虽然有效，但难以翻译或合成，从而挑战了关于自然语言出现的普遍认知。

最佳资源论文

论文标题： Bringing Structure into Summaries: Crowdsourcing a Benchmark Corpus of Concept Maps
作者： Tobias Falke 和 Iryna Gurevych
链接： https://arxiv.org/abs/1704.04452

摘要： 本文提出了一种新颖的众包方法来构建一个概念图语料库，该语料库可用于评估多文档摘要的质量。通过该方法，研究人员可以高效地确定大型文档集合中的关键信息，进而生成概念图，帮助用户更好地理解和处理复杂文档集。

自然语言处理前沿技术研讨会

此外，8月16日在北京举行的自然语言处理前沿技术研讨会暨EMNLP 2017论文报告会上，多位学者分享了他们的最新研究成果。会议围绕四个主要领域展开讨论：文本摘要及情感分析、机器翻译、信息抽取及自动问答、文本分析及表示学习。参会者与听众之间进行了深入交流，促进了自然语言处理领域的新技术发展。

以上是本次EMNLP 2017大会的主要亮点及获奖论文的概要介绍。希望这些信息能为您的网站提供有价值的内容。