【AI视野·今日NLP 自然语言处理论文速览 第二十九期】Mon, 14 Feb 2022

AI视野·今日CS.NLP 自然语言处理论文速览
Mon, 14 Feb 2022
Totally 16 papers
上期速览✈更多精彩请移步主页

Daily Computation and Language Papers

Evaluating MT Systems: A Theoretical Framework Authors Rajeev Sangal 本文概述了一个理论框架，使用该框架可以设计不同的自动指标来评估机器翻译系统。它引入了em认知轻松的概念，它取决于em的充分性和em的不流畅性。因此，认知难易度成为衡量的主要参数，而不是可理解性。

White-Box Attacks on Hate-speech BERT Classifiers in German with Explicit and Implicit Character Level Defense Authors Shahrukh Khan, Mahnoor Shahid, Navdeeppal Singh 在这项工作中，我们评估了在德国仇恨言论数据集上训练的 BERT 模型的对抗鲁棒性。我们还用两种新颖的白盒字符和单词级别攻击来补充我们的评估，从而增加可用攻击的范围。

Using Random Perturbations to Mitigate Adversarial Attacks on Sentiment Analysis Models Authors Abigail Swenor, Jugal Kalita 对深度学习模型的攻击通常难以识别，因此难以防范。使用通常在使用前未手动检查的公共数据集会加剧此问题。在本文中，我们通过在测试期间使用随机扰动（如必要时进行拼写更正、随机同义词替换或简单地删除单词）来提供此漏洞的解决方案。这些扰动被应用于随机句子中的随机词，以保护 NLP 模型免受对抗性攻击。我们的随机扰动防御和增加随机性防御方法成功地将受攻击的模型恢复到攻击前模型的相似精度。在这项工作中使用的模型的原始准确度是 80 用于情感分类。受到攻击后，准确率下降到 0 到 44 之间的准确率。

Dual Task Framework for Debiasing Persona-grounded Dialogue Dataset Authors Minju Kim, Beong woo Kwak, Youngwook Kim, Hong in Lee, Seung won Hwang, Jinyoung Yeo 本文介绍了一种简单而有效的以数据为中心的方法，用于改进以角色为条件的对话代理的任务。先前以模型为中心的方法毫无疑问地依赖于原始的众包基准数据集，例如 Persona Chat。相比之下，我们的目标是在基准测试中修复注释伪影，这正交适用于任何对话模型。具体来说，我们通过利用两个任务的原始二元结构，基于彼此预测对话响应和角色来增强相关角色以改进对话数据集代理。

Including Facial Expressions in Contextual Embeddings for Sign Language Generation Authors Carla Viegas, Mert nan, Lorna Quandt, Malihe Alikhani 最先进的手语生成框架缺乏表达性和自然性，这是仅关注手动符号而忽略面部表情的情感、语法和语义功能的结果。这项工作的目的是通过基于面部表情来增强手语的语义表示。我们研究了对文本、光泽和面部表情之间的关系进行建模对标志生成系统性能的影响。特别是，我们提出了一种 Dual Encoder Transformer，能够通过捕获文本和符号光泽注释中的异同来生成手动符号和面部表情。我们首先在手语生成中使用面部动作单元，从而考虑到面部肌肉活动在表达手语强度方面的作用。

Multi-Modal Knowledge Graph Construction and Application: A Survey Authors Xiangru Zhu, Zhixu Li, Xiaodan Wang, Xueyao Jiang, Penglei Sun, Xuwu Wang, Yanghua Xiao, Nicholas Jing Yuan 近年来，以知识图谱快速增长为特征的知识工程再次兴起。然而，现有的知识图谱大多是用纯符号表示的，这损害了机器理解现实世界的能力。知识图谱的多模化是实现人机智能的必然关键步骤。这项努力的结果是多模态知识图 MMKGs。在这项由文本和图像构建的 MMKG 的调查中，我们首先给出了 MMKG 的定义，然后是多模态任务和技术的初步介绍。然后，我们分别系统地回顾了 MMKG 的构建和应用所面临的挑战、进展和机遇，并详细分析了不同解决方案的优缺点。

Chinese Abs From Machine Translation

Papers from arxiv.org

更多精彩请移步主页

---

pic from pexels.com