近日,信息学院于计算机自然语言处理领域顶级会议ACL2020(2020 Annual Conference of the Association for Computational Linguistics)和人机交互领域顶级国际学术会议ACM CHI 2020 (ACM SIGCHI Conference on Human Factors in Computing Systems)上发表多项重要研究成果:
1、A Novel Graph-based Multi-modal Fusion Encoder for Neural Machine Translation(发表于ACL2020)
本文的第一作者是信息学院软件工程系2017级硕士生尹永竞,通讯作者为信息学院软件工程系苏劲松副教授。本文提出使用一个统一的多模态图结构,来建模多模态机器翻译中源文和图片之间细粒度的语义关联,进一步提出了用于编码此图结构的多模态语义融合编码器,在多个公开数据集上证明了此模型的优势。
![](/_upload/article/images/b7/18/6ed0977446d38052d27a0676465e/d526261d-9099-444d-b25c-1e08c816879d.png)
2、Exploring Contextual Word-level Style Relevance for Unsupervised Style Transfer(发表于ACL2020)
本文的第一作者是信息学院软件工程系2019级硕士生周楚伦,通讯作者是信息学院软件工程系苏劲松副教授。本文提出了一个无监督文本风格转换模型。本文的核心思路在于通过Layer-wise Relevance Propagation算法发掘词级别的风格相关度作为整个模型风格相关度预测模块的训练目标,并在解码生成过程中预测待生成词的风格强度进行风格转换。本模型在该任务的常用公开数据集上均取得了最优性能。
3、Structural Information Preserving for Graph-to-Text Generation(发表于ACL2020)
本文的第一作者是罗切斯特大学宋林峰博士,第二作者是我校信息学院软件工程系2016级本科生王安特,通讯作者是我校信息学院苏劲松副教授。本文针对在Graph-to-Text生成过程中,结构信息难以有效保持的问题,提出通过重建自编码损失,引入额外训练信号,提高模型对图结构的信息保持能力。本文共设计了两个自编码损失:局部的三元组结构与全局的线性化图结构,并在多个任务、多个数据集上验证了该方法的有效性。
![](/_upload/article/images/b7/18/6ed0977446d38052d27a0676465e/571c2f7f-34ac-423b-8553-c3de740ff0cd.png)
4、Sensock: 3D Foot Reconstruction with Flexible Sensors(发表于ACM CHI 2020)
本文以信息学院软件工程系2017级卓越班本科生张鹤川、信息学院软件工程系2015级博士生陈志勇为共同第一作者,信息学院软件工程系郭诗辉副教授为通讯作者。该工作立足于柔性织物传感器,建立数据驱动式的神经网络模型,并将该模型与柔性织物传感器信号结合,重建人体足部形状,取得了良好的效果。这种灵活的足部三维重建方法将为普通用户提供便捷、快速的采集手段,预期在医疗康复、鞋服定制领域有巨大的应用价值。该工作基于郭诗辉副教授在三维建模、仿真等领域的长期积累,通过跨学科合作取得一流研究成果。该项目受厦门大学校长基金资助,联合厦门大学软物质与生物仿生研究院刘向阳教授及博士生史亚婷共同完成。
![](/_upload/article/images/b7/18/6ed0977446d38052d27a0676465e/a8d4de6d-0ef8-4134-995e-a060edf8ff7a.png)
Sensock系统示意图
ACL是计算机自然语言处理领域的顶级会议,被中国计算机学会(CCF)认定为A类会议,近5年平均录用率为22.5%。
ACM CHI,即ACM人机交互大会,是人机交互领域顶级国际学术会议之一,被中国计算机学会(CCF)认定为A类会议。据了解,CHI 2020 此次共收到论文投稿 3126 篇,最终录取率约为 24.31%。