从视觉到文本: 图像描述生成的研究进展综述

近年来,跨模态研究吸引了越来越多学者的关注,尤其是连接视觉和语言的相关课题。该文针对跨视觉和语言模态研究中的核心任务——图像描述生成,进行文献综述。该文从基于视觉的文本生成框架、基于视觉的文本生成研究中的关键问题、图像描述生成模型的性能评价和图像描述生成模型的主要发展过程四个方面对相关文献进行介绍和总结。最后,该文给出了几个未来的重点研究方向,包括跨视觉和语言模态的特征对齐、自动化评价指标的设计以及多样化图像描述生成。     

基于小样本学习的个性化Hashtag推荐

近年来,Hashtag推荐任务吸引了很多研究者的关注。目前,大部分深度学习方法把这个任务看作是一个多标签分类问题,将Hashtag看作为微博的类别。但是这些方法的输出空间固定,在没有进行重新训练的情况下,不能处理训练不可见的Hashtag。然而,实际上Hashtag会随着时事热点不断快速更新。为了解决这一问题,该文提出将Hashtag推荐任务建模成小样本学习任务。同时,结合用户使用Hashtag的偏好降低推荐的复杂度。在真实的推特数据集上的实验表明,与目前最优方法相比,该模型不仅可以取得更好的推荐结果,而且表现得更为鲁棒。     

对话式论辩研究综述

近年来,论辩研究引起计算语言学学者的关注,并催生了一个新的研究领域,即计算论辩学。根据参与论辩过程的人数不同,计算论辩学的研究可以分成两类,即,单体式论辩和对话式论辩。对话式论辩过程在现实世界中广泛存在,如社交网络平台、司法领域、教育领域等,但是相关的研究才刚刚起步。该文综述了对话式论辩领域的基本任务设置、主流模型框架、下游应用以及公开数据和评测方法。最后,该文也指出对话式论辩未来发展的几个研究方向,包括多模态的对话式论辩分析、知识注入的论辩生成等。