近日，2021國際自然語言處理頂級會議（The 2021 Conference on Empirical Methods in Natural Language Processing ，簡稱EMNLP 2021），公布了今年大會論文錄用結果，小i機器人聯合華東師范大學發表的論文《KERS：A knowledge-enhanced framework for recommendation dialog systems with multiple subgoals》成功入選。
關于EMNLP
EMNLP（Conferenceon Empirical Methodsin Natural Language Processing）是計算語言學和自然語言處理領域的頂級國際會議之一，也是整個計算機科學領域被引用量次數最多的會議之一，由ACL旗下SIGDAT組織，每年舉辦一次，GoogleScholar計算語言學刊物指標中排名第二。EMNLP論文入選標準極為嚴格，EMNLP2020共收到有效投稿3114篇，錄用754篇，錄用率僅為24.82%。在即將召開的EMNLP學術會議上將展示自然語言處理領域的前沿研究成果，這些成果也將代表著相關領域和技術細分中的研究水平以及未來發展方向。
關于入選論文
《KERS：A knowledge-enhanced framework for recommendation dialog systems with multiple subgoals》是小i機器人研究院團隊與華東師范大學聯合發表的一篇關于多目標對話系統的論文。KERS（Knowledge-Enhanced multi-subgoal driven Recommender System）是一個基于通用知識的多子目標對話統一框架，能有效地解決多子目標推薦式對話問題。
推薦式對話系統因其巨大的商業潛力在最近引起了廣泛關注，這類系統首先通過對話引出用戶偏好，然后根據引出的偏好提供高質量的推薦。將此類對話劃分為多個子目標(如社交聊天問答、推薦等)，有利于系統在不同子目標下檢索到更合適、更準確的知識。論文中的KERS由三個模塊組成:對話引導模塊、編碼器和解碼器，如圖2所示。該解碼器包含三個新機制：序列注意機制，噪聲過濾機制、知識增強模塊。對于每個對話回合，對話引導模塊預測該回合的子目標，并為下一個回答選擇知識。然后，編碼器對子目標、所選知識和對話上下文進行編碼。最后，編碼器的輸出被輸入到解碼器以生成最終的對話回復。
KERS中的序列注意機制增強了子目標引導，噪聲過濾消除了不相關和不必要的知識，知識增強模塊增加了所選知識在響應生成中的重要性。實驗結果表明，該方法在DuRecDial數據集上不管是自動評估還是人工評估方式都取得了SOTA的結果。
多年來，小i機器人非常注重產學研的深度結合，研發探求技術創新，也一直將最新的認知智能技術研究成果和落地應用展示于國際頂級學術會議和賽事中。此次聯合論文入選EMNLP2021，是繼今年小i機器人與華東師范大學聯合發表的另一篇論文《An Argument Extraction Decoder in Open Information Extraction》入選ECIR2021后，再次被國際頂級會議錄用，展示出了小i機器人超強的技術積累實力。未來，小i機器人也會持續將先進的認知智能技術與產業應用相融合，賦能產業發展，用認知智能技術探索人工智能的無限可能。
