雷鋒網 AI科技評論按：IJCAI-ECAI 2018, the 27th International Joint Conference on Artificial Intelligence and the 23rd European Conference on Artificial Intelligence 將於 2018 年 7 月 13 日至 19 日在瑞典斯德哥爾摩舉行。 IJCAI 是人工智慧領域的頂級國際會議， 是 CCF A 類會議， 起於 1969 年每兩年舉辦一次， 自 2016 年起每年舉辦一次。 ECAI 是歐洲人工智慧領域最重要的會議， 自 1974 年每兩年舉辦一次。 IJCAI-ECAI 2018 今年由 IJCAI、EurAI 和 SAIS 聯合發起舉辦。
哈爾濱工業大學社會計算與資訊檢索研究中心共有 6 篇論文被 IJCAI-ECAI 2018 錄用。 下面是論文列表及介紹， 雷鋒網獲「哈工大SCIR」公眾號授權分享。
Constructing Narrative Event Graph for Script Event Prediction.
作者：李忠陽， 丁效， 劉挺.
這是我們實驗室在事理圖譜方向發表的第一篇人工智慧頂級會議論文。 我們提出通過構建事理圖譜來更好地利用事件之間的稠密連接資訊，
Domain Adaptation via Tree Kernel Based Maximum Mean Discrepancy for User Consumption Intention Identification.
作者：丁效， 蔡碧波， 劉挺， 石乾坤.
我們提出了基於樹結構的最大化平均差異（Maximum Mean Discrepancy）方法， 可以更好地將神經網路高層神經元的特徵從源領域遷移到目標領域， 從而解決了基於神經網路的領域遷移方法在高層神經元上遷移效果不佳的問題。 在消費意圖五個領域的資料集上， 通過對任意兩個領域（共 20 個遷移對）進行遷移實驗， 本文提出的方法取得了 SOTA 的結果。
Improving Low Resource Named Entity Recognition using Cross-lingual Knowledge Transfer.
作者：馮驍騁， 馮夏沖， 秦兵， 劉銘， 劉挺.
在稀缺資來源語言實體識別任務中， 我們在原有 LSTM-CRF 模型的基礎上， 利用雙語詞典作為跨語言資訊傳播橋樑， 為每個稀缺資源語言詞語學習英文語義空間下的語義表示， 並映射到稀缺資來源語言空間增強原有表示。 在西班牙語、荷蘭語和中文三種語言資料集上進行實驗， 結果顯示， 通過加入跨語言資訊表示， 實體識別性能平均提高大於 3%。
Improving Entity Recommendation with Search Log and Multi-Task Learning.
作者：黃際洲， 張偉， 孫雅銘， 王海峰， 劉挺.
本文研究如何利用搜索會話中的歷史查詢這一上下文資訊來提升實體推薦的效果。 為此， 我們提出了一種基於深度神經網路的多工學習模型， 以更好地利用搜索日誌學習出查詢及上下文表示。 我們在大規模、真實搜索日誌上進行實驗，
Joint Extraction of Entities and Relations Based on a Novel Graph Scheme.
作者：王少磊， 張岳， 車萬翔， 劉挺.
在本研究中， 我們將實體識別和關係抽取聯合任務建模成一個有向圖的問題， 並提出了一種基於轉移的方法來直接生成有向圖。 我們的方法能充分的表示和利用實體和關係之間， 以及關係與關係之間的依賴現象， 並在公開資料集 NYT 上取得了很好的效果。
Topic-to-Essay Generation with Neural Networks.
作者：馮驍騁， 劉家豪， 秦兵， 劉挺.
在本文中， 我們提出了段落級作文生成任務， 其輸入為固定個數的主題詞， 輸出是一段關於這些主題詞的作文描述；在方法層面， 我們採用 Seq2Seq 的神經網路框架， 針對多主題輸入情況， 我們加入主題感知的 coverage 方法，