2019/08/02 11:33

微信AI 9篇论文入选ACL 2019，最佳长论文奖榜上有名

自然语言处理领域顶级会议ACL 2019于7月28日-8月2日在意大利召开，微信AI团队有9篇文章被选中。

微信AI团队一直与国内技术领域的顶尖院校保持着业务与科研结合的积极探索。值得一提的是，此次由中科院计算所和微信AI等团队合作的文章获得ACL录取文章中最佳长论文奖项（Best Long Paper）。

微信AI团队成员榜上有名，其参与研究文章获最佳长论文

在2906篇投稿的激烈竞争中，“Bridging the Gap between Training and Inference for Neural Machine Translation获得此次ACL最佳长论文奖项（Best Long Paper）。这篇文章研究应该如何桥接神经机器翻译训练和预测，是中国大陆第一篇Best Long Paper。

其作者分别来自中科院计算所、中国科学院大学、腾讯微信、伍斯特理工学院、华为诺亚方舟实验室。在中科院计算所对该项目的推动过程中，来自微信团队模式识别中心的孟凡东，参与了实验改进、部分优化技术、数据处理、论文修改等相关工作。

潜心技术研究，AI团队多项技术可圈可点

微信AI团队在此届ACL中的表现，充分证明了微信团队在AI领域所积累的专业实力。据了解，微信AI团队保持着小而精的团队规模，成员几乎全部来自国内外顶尖高校的硕士或博士，并一直保持着人才引入的高标准。

近年来，除了机器翻译以外，微信AI团队在许多领域的尝试都令人惊喜。其中，孟凡东所在的微信智言团队专注于智能对话和自然语言理解研究与应用，致力于打造“对话即服务”的理念。目前已支持家居硬件、PaaS、行业云和AI Bot等领域，让人与机器以最自然、最便捷的方式交流沟通。

而微信AI的另一知名技术品牌微信智聆，代表了国内领先的语音技术水平，其语音转文字技术每天处理超过4亿条语音，语音识别正确率达到97%，并在微信语音输入、语音转文字、王者荣耀、QQ音乐等产品中都提供了技术支持。

此外，微信团队还尝试了一些小而美的AI技术创新，由微信翻译团队开发的人工智能围棋程序PhoenixGo（简称“金毛”）曾在2018世界人工智能围棋大赛中一举夺得世界冠军，惊艳四座。

微信AI团队一直潜心业务与学术研究，在业务中挖掘科研课题，在他们看来，业务与研究是相互促进的关系：“通过研究来发现更好的方法，最终结果也可以直接应用在业务中。”例如本次会议中的多项工作，已经进一步推动了对话系统、微信翻译、微信读书等多个业务场景的应用。

附：微信AI团队入选的9篇文章（划线部分为来自微信团队的作者）

1. Towards Fine-grained Text Sentiment Transfer.

Fuli Luo, Peng Li, Pengcheng Yang, Jie Zhou, Yutong Tan, Baobao Chang, Zhifang Sui and Xu Sun

ACL 2019.

2. DocRED: A Large-Scale Document-Level Relation Extraction Dataset.

Yuan Yao, Deming Ye, Peng Li, Xu Han, Yankai Lin, Zhenghao Liu, Zhiyuan Liu, Lixin Huang, Jie Zhou and Maosong Sun.

ACL 2019.

3. Key Fact as Pivot: A Two-Stage Model for Low Resource Table-to-Text Generation.

Shuming Ma, Pengcheng Yang, Tianyu Liu, Peng Li, Jie Zhou and Xu Sun.

ACL 2019.

4. Improving Multi-turn Dialogue Modelling with Utterance ReWriter.

Hui Su, Xiaoyu Shen, Rongzhi Zhang, Fei Sun, Pengwei Hu, Cheng Niu and Jie Zhou.

ACL 2019.

5. Rhetorically Controlled Encoder-Decoder for Modern Chinese Poetry Generation.

Zhiqiang Liu, Zuohui Fu, Jie Cao, Gerard de Melo, Yik-Cheung Tam, Cheng Niu and Jie Zhou.

ACL 2019.

6. GCDT: A Global Context Enhanced Deep Transition Architecture for Sequence Labeling.

Yijin Liu, Fandong Meng, Jinchao Zhang, Jinan Xu，Yufeng Chen and Jie Zhou.

ACL 2019.

7. Incremental Transformer with Deliberation Decoder for Document Grounded Conversations.，Zekang Li, Cheng Niu,Fandong Meng, Yang Feng, Qian Li and Jie Zhou.

ACL 2019.

8. Bridging the Gap between Training and Inference for Neural Machine Translation.

Wen Zhang, Yang Feng, Fandong Meng, Di You and Qun Liu.

ACL 2019.

9. Retrieving Sequential Information for Non-Autoregressive Neural Machine Translation.

Chenze Shao, Yang Feng, Jinchao Zhang, Fandong Meng, Xilin Chen and Jie Zhou.

ACL 2019.

产业微信ACL 2019神经机器翻译自然语言处理智能科研信息检索计算机视觉

相关技术

机器学习物体识别深度学习人脸识别图像分割

自然语言理解技术

自然语言理解是人工智能的核心课题之一，也被广泛认为是最困难和最具标志性的任务。最经典的两个人工智能思想实验——图灵测试和中文房间，都是围绕自然语言理解来构建的。自然语言理解在人工智能技术体系中的重要性不言而喻，它一方面承载着机器和人的交流，另一方面直达知识和逻辑。自然语言理解也是人工智能学者孜孜以求的圣杯，机器学习的巨擘 Michael I. Jordan 就曾经在 Reddit 上的 AMA（Ask Me Anything）栏目中畅想用十亿美元建立一个专门用于自然语言理解的实验室。

来源：机器之心

神经机器翻译技术

2013 年，Nal Kalchbrenner 和 Phil Blunsom 提出了一种用于机器翻译的新型端到端编码器-解码器结构 [4]。该模型可以使用卷积神经网络（CNN）将给定的一段源文本编码成一个连续的向量，然后再使用循环神经网络（RNN）作为解码器将该状态向量转换成目标语言。他们的研究成果可以说是神经机器翻译（NMT）的诞生；神经机器翻译是一种使用深度学习神经网络获取自然语言之间的映射关系的方法。NMT 的非线性映射不同于线性的 SMT 模型，而且是使用了连接编码器和解码器的状态向量来描述语义的等价关系。此外，RNN 应该还能得到无限长句子背后的信息，从而解决所谓的「长距离重新排序（long distance reordering）」问题。

来源：机器之心

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

模式识别技术

模式识别（英语：Pattern recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

来源：维基百科

机器翻译技术

机器翻译（MT）是利用机器的力量「自动将一种自然语言（源语言）的文本翻译成另一种语言（目标语言）」。机器翻译方法通常可分成三大类：基于规则的机器翻译（RBMT）、统计机器翻译（SMT）和神经机器翻译（NMT）。

来源：机器之心

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性，目前的语音识别系统只能在一定的限制条件下获得满意的性能，或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

来源：What is Automatic Speech Recognition?

对话系统技术

对话系统大致被分成两类：任务为导向的对话系统，帮助用户去完成特定任务，比如找商品，订住宿，订餐厅等。实现任务为导向的对话系统，主要有两类方式，流水线方法和端到端方法。非任务导向的对话系统，与用户进行互动并提供回答，简单的说，就是在开放领域的闲聊。实现非任务导向对话系统也主要可分为两类，生成方法和基于检索的方法。

来源：CSDN

自然语言处理技术

自然语言处理（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

来源：维基百科

腾讯机构

腾讯，1998年11月诞生于中国深圳，是一家以互联网为基础的科技与文化公司。我们的使命是“通过互联网服务提升人类生活品质”。腾讯秉承着 “一切以用户价值为依归”的经营理念，为亿万网民提供优质的互联网综合服务。腾讯的战略目标是“连接一切”，我们长期致力于社交平台与数字内容两大核心业务：一方面通过微信与QQ等社交平台，实现人与人、服务及设备的智慧连接；另一方面为数以亿计的用户提供优质的新闻、视频、游戏、音乐、文学、动漫、影业等数字内容产品及相关服务。我们还积极推动金融科技的发展，通过普及移动支付等技术能力，为智慧交通、智慧零售、智慧城市等领域提供有力支持。

http://www.tencent.com/