大会 | IJCAI 2017，清华被收录了哪些论文？

正文

请到「今天看啥」查看全文

摘要： 近来神经网络机器翻译方法在资源丰富的语言上表现极佳，但是对于低资源语言却有着数据稀缺的问题。这个问题可以通过桥接语言来连接源语言和目标语言得以缓解，但是目前源语言-桥接语言和桥接语言-目标语言的模型在训练时大多是相互独立的。在我们的工作中，我们引入了基于桥接语言的神经机器翻译的联合训练算法。我们提出了三种方式来连接源-桥接和桥接-目标这两种模型，使他们在训练过程中能够相互作用。基于Europarl和WMT语料库的实验表明，这种联合训练在多种语言中相比比独立训练效果都有显著提高。

论文下载地址：https://www.ijcai.org/proceedings/2017/0555.pdf

3、《TransNet: Translation-Based Network Representation Learning for Social Relation Extraction 》

一句话： 提出社会网络中用户关系抽取问题，成功地利用用户低维表示间的平移（Translating）思想表示用户关系，实现用户关系的识别与标注。

摘要： 常规的网络表示学习（NRL）模型一般是通过简单地将每个边缘作为二分／连续的值来学习低维丁点表示。但实际上，在边缘部分存在丰富的语义信息，且顶点之间的相互作用通常会保留不同的含义，这些信息在现有的大部分NRL模型中都被忽略了。在本文中，我们提出了一种基于翻译的NRL模型，TransNet，通过将顶点之间的相互作用作为翻译来操作。此外，我们将社会化关系提取（Social Relation Extraction, SRE）的任务格式化，用来评估NRL方法对顶点关系建模的能力。SRE的实验结果表明，TransNet在hits@1上比其他基准方法显著提高10%到20%。源代码和数据集可以从https://github.com/thunlp/TransNet提取。

论文下载地址：https://www.ijcai.org/proceedings/2017/0399.pdf

4、《Lexical Sememe Prediction via Word Embeddings and Matrix Factorization》

一句话： 提出面向HowNet的义原预测任务，提出基于词表示和矩阵分解的方法，能够有效预测新词或短语的义原信息。

请到「今天看啥」查看全文