2021级博士研究生石立达同学论文被EMNLP2022接收

发布时间:2022-10-07 点击:

徐昊教授和Fausto Giunchiglia教授指导 的2021级博士研究生石立达同学的论文"A Simple Contrastive Learning Framework for Interactive Argument Pair Identification via Argument-Context Extraction"被国际会议EMNLP2022(清华推荐A类,CCF-B类)接收为长文(Main conference)。本篇论文的通讯作者为徐昊教授,合作者包括Fausto Giunchiglia院士、意大利特伦托大学(University of Trento)的博士研究生史大千、刁晓蕾同学,澳门官网正规电子游戏网站的博士研究生宋瑞同学等。

会议简介:EMNLP(Conference on Empirical Methods in Natural Language Processing)是计算语言学和自然语言处理领域的顶级国际会议,由ACL SIGDAT(语言学数据特殊兴趣小组)主办,每年举办一次,Google Scholar计算语言学刊物指标中排名第二。EMNLP 2022将于2022年12月09日至11日在阿拉伯联合酋长国阿布扎比及在线会议的形式同时举办。

会议类别:清华推荐A类,CCF B类会议

会议时间:9th–11th December 2022, Abu Dhabi

第一作者:石立达

论文题目:A Simple Contrastive Learning Framework for Interactive Argument Pair Identification via Argument-Context Extraction

论文概述:辩论(Argumentation)是人类智能的重要组成部分,广泛存在于人类的社会生活中,是人类进行决策的常用手段之一。如今,辩论的计算分析处理,被称为计算论辩(Computational Argumentation,CA),并且已经成为一个新兴的NLP研究领域。交互式观点对识别是一个计算论辩的研究任务,旨在识别两个观点是否存在交互关系。已有的研究已经证明观点的语境(上下文)信息对本任务至关重要。然而,观点的整个语境通常包含许多与观点无关的冗余信息,这导致目前已有的研究仅实现了有限的性能提升。本文提出了一个简单的对比学习框架,通过从语境中提取有价值的信息来解决这个问题。该框架通过引入对比学习的思想,使得模型可以提取鲁棒和统一的文本表征。除此之外,本文还提出了一个观点-语境提取模块,通过丢弃与观点不相关的冗余语境块从而得到了更精简的语境文本。实验结果表明,该方法在基准数据集上达到了最先进的性能。进一步的分析证明了本文提出的模块的有效性,并可视化地展示了更紧凑的文本表征。