一、 主题：自训练过程中样本的不确定性感知主讲人：杨涛摘要:本次讲的论文，基于贝叶斯神经网络在自训练过程中感知样本的不确定性，从而从无标记样本中根据不确定性度量来挑选简单或困难样本进行模型的自训练，提升少量标记样本下，文本分类的效果。时间和地点：11月13日9:00-10:00（星期六上午9点-10点），软件学院办公楼201会议室           腾讯会议 ID：364 618 362二、主题：问题相关的多文档摘要主讲人：王舰摘要：问题...

一、 主题：词级文本对抗和对话式QA主讲人：黄钿摘要:主要分享一篇使用PSO算法来搜寻词级替换对抗样本的工作和一篇结合Pipeline及联合编码方法来为CQA模型提供对历史以依赖信息的明确学习证据的训练框架的工作。前者基于离散型PSO算法有效减少了候选词的搜索空间，并在与baseline的对比上提高了性能，后者提出的新型训练框架则有效的学习利用了QR模型的生成句中的历史对话依赖信息。时间和地点：11月6日9:00-10:00（星期六上午9...

一、 主题：溯因推理前沿工作主讲人：刘天元摘要:溯因推理指给定时间上先后的状况o1和o2，模型输出o1变动到o2的可能原因。由于其问题输入的形式与通常的顺序处理不同，引来了新的挑战。Reflective Decoding是一种全新的文本解码方式，能够有效应对该问题。DeLorean则采用了略微不同的方式，更加针对溯因推理问题。时间和地点：10月30日9:00-10:00（星期六上午9点-10点），软件学院办公楼201会议室             腾讯会议 ID：602...

一、 主题：深度神经网络的可解释性主讲人：郑威摘要:本次分享的两篇文章关注为神经网络模型生成解释，生成“模型无关”的解释的核心是如何有效地评估特征对预测的重要性。LIME通过从扰动示例中的线性近似来局部估计单个单词的贡献；HEDGE通过检测特征交互来构建分层解释，这些解释将单词和短语在层次结构的不同层次上的组合可视化，以帮助用户理解黑盒模型的决策。时间和地点：10月23日9:00-10:00（星期六上午9点-10点），软件...

一、 主题：命名实体识别的增强主讲人：吴佳琪摘要:本次分享的两篇论文从不同的角度进行命名实体识别模型的性能增强。一篇从任务信息共享增强角度出发，通过模块化交互网络模型的设计，共享实体边界和类型预测的信息。另一篇通过实体检索利用外部数据，并通过合作学习来提升模型性能。时间和地点：10月16日9:00-10:00（星期六上午9点-10点），软件学院办公楼201会议室               腾讯会议 ID：661 688 846二、主题：文档级...