EMNLP（Conferenceon Empirical Methodsin Natural Language Processing）是計算語言學(xué)和自然語言處理領(lǐng)域的頂級國際會議之一，也是整個計算機科學(xué)領(lǐng)域被引用量次數(shù)最多的會議之一，由ACL旗下SIGDAT組織，每年舉辦一次，GoogleScholar計算語言學(xué)刊物指標中排名第二。EMNLP論文入選標準極為嚴格，EMNLP2020共收到有效投稿3114篇，錄用754篇，錄用率僅為24.82%。在即將召開的EMNLP學(xué)術(shù)會議上將展示自然語言處理領(lǐng)域的前沿研究成果，這些成果也將代表著相關(guān)領(lǐng)域和技術(shù)細分中的研究水平以及未來發(fā)展方向。

　　《KERS：A knowledge-enhanced framework for recommendation dialog systems with multiple subgoals》是小i機器人研究院團隊與華東師范大學(xué)聯(lián)合發(fā)表的一篇關(guān)于多目標對話系統(tǒng)的論文。KERS（Knowledge-Enhanced multi-subgoal driven Recommender System）是一個基于通用知識的多子目標對話統(tǒng)一框架，能有效地解決多子目標推薦式對話問題。

　　推薦式對話系統(tǒng)因其巨大的商業(yè)潛力在最近引起了廣泛關(guān)注，這類系統(tǒng)首先通過對話引出用戶偏好，然后根據(jù)引出的偏好提供高質(zhì)量的推薦。將此類對話劃分為多個子目標(如社交聊天問答、推薦等)，有利于系統(tǒng)在不同子目標下檢索到更合適、更準確的知識。論文中的KERS由三個模塊組成:對話引導(dǎo)模塊、編碼器和解碼器，如圖2所示。該解碼器包含三個新機制：序列注意機制，噪聲過濾機制、知識增強模塊。對于每個對話回合，對話引導(dǎo)模塊預(yù)測該回合的子目標，并為下一個回答選擇知識。然后，編碼器對子目標、所選知識和對話上下文進行編碼。最后，編碼器的輸出被輸入到解碼器以生成最終的對話回復(fù)。

　　KERS中的序列注意機制增強了子目標引導(dǎo)，噪聲過濾消除了不相關(guān)和不必要的知識，知識增強模塊增加了所選知識在響應(yīng)生成中的重要性。實驗結(jié)果表明，該方法在DuRecDial數(shù)據(jù)集上不管是自動評估還是人工評估方式都取得了SOTA的結(jié)果。

　　多年來，小i機器人非常注重產(chǎn)學(xué)研的深度結(jié)合，研發(fā)探求技術(shù)創(chuàng)新，也一直將最新的認知智能技術(shù)研究成果和落地應(yīng)用展示于國際頂級學(xué)術(shù)會議和賽事中。此次聯(lián)合論文入選EMNLP2021，是繼今年小i機器人與華東師范大學(xué)聯(lián)合發(fā)表的另一篇論文《An Argument Extraction Decoder in Open Information Extraction》入選ECIR2021后，再次被國際頂級會議錄用，展示出了小i機器人超強的技術(shù)積累實力。未來，小i機器人也會持續(xù)將先進的認知智能技術(shù)與產(chǎn)業(yè)應(yīng)用相融合，賦能產(chǎn)業(yè)發(fā)展，用認知智能技術(shù)探索人工智能的無限可能。