国际赛事上屡传佳报的百度，2019年开年再次拿下“一血”。2019年2月1日，第十三届国际语义评测比赛（International Workshop on Semantic Evaluation, SemEval 2019）落下帷幕。在论坛评论建议挖掘任务评测（Task 9A: Suggestion Mining from Online Reviews and Forums）中，百度一举击败来自全球的210余支队伍，最终以F值78.12%的成绩夺得冠军，表明了百度率先在评论建议挖掘领域尝试并取得喜人的成果。
SemEval-2019 Task 9A 最终榜单，百度排名第一
SemEval评测是自然语言处理领域的国际权威竞赛，由国际计算语言学协会（Association for Computational Linguistics, ACL）下属的SIGLEX主办。ACL是自然语言处理与计算语言学领域最高级别的学术会议，是世界上影响力最大、最具活力的国际学术组织。自2001年起，SemEval至今已成功举办十二届，吸引了世界范围内的多所大学和研究机构的参加，在业界和学术界具有极高影响力。本次评测聚焦的任务是论坛评论建议挖掘，旨在抽取从网络论坛或评论中自动识别建议性的句子，用于帮助企业、政府机关等组织持续不断的从海量数据中提取有价值的信息。
如今，用户喜欢在网络中发表评论，表达自己对个人、产品、服务和社会事件等的意见和想法，这些评论不仅蕴含用户丰富的情感表达，有些还包含着用户对产品或服务的建议。比如“我喜欢吃这家餐厅”是用户表达喜欢这种情感的评论，但在“我喜欢吃这家餐厅，如果环境再好一点就更好了”这条评论中，还包含了用户对这家餐厅的建议。以往的情感分析研究更关注用户是否存在负面情感，上述这条评论往往会被忽略，实际上建议类评论对提升企业服务具有极高价值。目前，业界有大量针对用户情感分析的研究，但建议挖掘还处于初步阶段，百度率先在评论建议挖掘领域尝试。
建议挖掘是一项新的研究任务，该任务需要综合考虑句子的语义、语态、 情绪、句式、上下文等信息，才能做出准确的判断。例如“可以考虑在节假日增加几趟航班”，“假如房间里提供热水壶，我下次还愿意订在这里”等句子虽然句式、形态、评论的对象完全不同，但都是有价值的建议。对“建议”内涵和外延的理解存在比较大的主观性，使得问题定义及语料标注难以取得一致，这给建议挖掘带来了很多困难。
此次比赛中，百度团队采用多种技术手段解决难题，并最终取得了亮眼成果。首先，针对任务标注数据过于稀疏的问题，团队构建了以大规模无监督数据为基础的跨领域、多句式深度语义分类模型。采用融合浅层学习和深度学习的Ensemble学习模型，以解决样本不平衡问题。面对网络文本形式多样、表达不规范的现状，团队采用精细化粒度特征和注意力迁移机制进行处理。最终，百度团队以F值78.12%的成绩战胜了来自全球的210余支队伍，夺得冠军。
企业期待及时获取消费者的评价以改进服务、政府和媒体希望从海量文本中提取意见以成为决策参考与新闻素材……而互联网上还有大量评论数据沉淀，亟待深度应用。评论建议挖掘用于辅助决策，无疑是极具实用价值的自然语言处理任务！
赋予机器“认知”能力，是人工智能最具挑战的技术领域之一，自然语言处理属于认知部分的重要内容。更深入地理解语言，让机器具备人类的思考和理解能力意义重大。百度在自然语言处理（NLP）领域已经过十余年积累与沉淀，具备了最前沿、最全面、最领先的技术布局，不仅专注于前瞻技术探索，更致力通过技术应用解决实际问题。目前，百度语义理解技术已广泛应用于百度内外，在搜索、信息流等一系列产品应用中发挥重要作用。
