EMNLP 2017，Percy Liang 三篇指导论文被收录

雷锋网 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 。

雷锋网了解到，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   雷锋网 (公众号：雷锋网)

雷锋网版权文章，未经授权禁止转载。详情见。