美国时间2019年1月27-2月1日，16级邓扬同学与雷凯老师、沈颖老师一同参加了在美国夏威夷洲檀香山（Honolulu, Hawaii）举办的AAAI 2019 (The Thirty-Third AAAI Conference on Artificial Intelligence) 美国人工智能会议,将实验室的研究成果在会议上展示并与来自全球的学者共同讨论。
AAAI于1979年成立，是国际人工智能领域的顶级国际会议，被中国计算机学会（CCF）列为A类会议。这一协会如今在全球已有超过6000名的会员，汇集了全球最顶尖的人工智能领域专家学者，一直是人工智能界的研究风向标，在学术界久负盛名。本届大会共收到7700余篇有效投稿，其中7095篇论文进入评审环节，最终有1150篇论文被录用，录取率为近年最低仅为16.2%。（https://aaai.org/Conferences/AAAI-19/）
邓扬同学在本次会议上发表了一篇长文“Multi-Task Learning with Multi-View Attention for Answer Selection and Knowledge Base Question Answering”，并在会议上做了口头汇报论文展示。
通过参加本次会议,了解了相关领域内最新研究进展，开拓了视野。通过做报告，认识到了语言表达的重要性。通过与参会人员的交流，受到了很多启发。感谢互联网研发中心、雷老师和沈老师的资助。
以下是论文列表及简介：
- Multi-Task Learning with Multi-View Attention for Answer Selection and Knowledge Base Question Answering
作者：Yang Deng, Yuexiang Xie, Yaliang Li, Min Yang, Nan Du, Wei Fan, Kai Lei*, Ying Shen* (*Corresponding Author)
简介：答案选择和知识库问答（KBQA）是问答系统的两个重要任务。现有的方法分别解决这两个任务，需要大量的重复工作，而忽略了任务之间丰富的相关信息。本文基于以下动机，通过多任务学习（MTL）同时处理答案选择和KBQA任务。首先，答案选择和KBQA都可以看作是一个排序问题，一个在文本级别，而另一个在知识级别。第二，这两个任务可以互相促进：答案选择可以结合来自知识库（KB）的外部知识，而KBQA可以通过从答案选择中学习上下文信息来改进。为了实现联合学习这两项任务的目的，我们提出了一种新的多任务学习方案，它利用从不同角度学习的多视角注意力，使这些任务能够相互交互，并学习更全面的句子表示。在多个真实数据集上的实验验证了该方法的有效性，提高了答案选择和KBQA的性能。此外，多视角注意力机制被证明能有效地从不同表征角度组装注意力信息。