一、 主题：few-shot NER主讲人：吴佳琪摘要:本次分享的两篇论文从不同的角度解决few-sho NER问题。一篇文章从实体概念描述生成角度出发，在少样本环境下，建立新类型和实体概念描述的映射关系，从而提高NER的性能。另一篇利用对比学习，从高斯嵌入的角度入手，学习更通用的实体特征表示，有助于few-shot场景下的NER时间和地点：4月23日9:00-10:00（星期六上午9点-10点）  腾讯会议 ID：522-7068-6445二、主题：引入情景化编码...

一、 主题：文本分类主讲人：郑威摘要:本次分享的两篇文章关于文本分类。第一篇文章从特征投影的角度来改进文本的表示学习，通过将类别相关特征投影到公共特征的正交空间，来使得前者更具分类的辨别力。第二篇关注基于少量用户提供的种子词的弱监督文本分类，其利用上下文化表示技术来解决种子词的解释问题。时间和地点：4月16日9:00-10:00（星期六上午9点-10点）   腾讯会议 ID：522-7068-6445二、主题：具有不受限制的多跳推...

一、 主题：短答自动评阅与句子语义匹配主讲人：夏天宇摘要:第一篇文章的任务是自动短答评阅，是评估学生对客观问题的简短答案的一项任务。本文提出一个语义特征转换关系网络有效的解决此任务。第二篇文章关注于句子语义匹配任务，提出了一种关系学习网络，引入了一个自监督关系分类任务来指导模型更好地考虑关系。同时，利用三重损失来区分更细粒度的类内关系和类间关系。时间和地点：4月9日9:00-10:00（星期六上午9点-10点） ...

一、 主题：融入依存句法信息的预训练语言模型主讲人：刘天元摘要:依存句法分析在挖掘和表示语言中词汇间的语义关系时具有简洁、具体的特点和优势。现有的预训练语言模型主要基于文本序列的建模分析。本次讨论的两篇文章，探讨将依存句法树融入预训练语言模型的方法，并对句法信息融入后对下游任务的提升进行了探究。时间和地点：4月2日9:00-10:00（星期六上午9点-10点）     腾讯会议 ID：522-7068-6445二、主题：融入外部知识...

一、 主题：提示学习和偏见消解主讲人：王舰摘要:第一篇文章关注于提示学习方法，针对目前人工设计提示语不一定最优且难以优化的问题，提出使用连续向量表示提示语，从而能够快速优化。第二篇文章描述了测量 GPT-2 生成中政治偏见的指标，并提出了一个强化学习 (RL) 框架来减轻生成文本中的政治偏见。整个过程无需访问训练数据或需要重新训练模型。时间和地点：3月26日9:00-10:00（星期六上午9点-10点），软件学院实验楼105会议...