近日，2021国际自然语言处理顶级会议（The 2021 Conference on Empirical Methods in Natural Language Processing ，简称EMNLP 2021），公布了今年大会论文录用结果，小i机器人联合华东师范大学发表的论文《KERS：A knowledge-enhanced framework for recommendation dialog systems with multiple subgoals》成功入选。
关于EMNLP
EMNLP（Conferenceon Empirical Methodsin Natural Language Processing）是计算语言学和自然语言处理领域的顶级国际会议之一，也是整个计算机科学领域被引用量次数最多的会议之一，由ACL旗下SIGDAT组织，每年举办一次，GoogleScholar计算语言学刊物指标中排名第二。EMNLP论文入选标准极为严格，EMNLP2020共收到有效投稿3114篇，录用754篇，录用率仅为24.82%。在即将召开的EMNLP学术会议上将展示自然语言处理领域的前沿研究成果，这些成果也将代表着相关领域和技术细分中的研究水平以及未来发展方向。
关于入选论文
《KERS：A knowledge-enhanced framework for recommendation dialog systems with multiple subgoals》是小i机器人研究院团队与华东师范大学联合发表的一篇关于多目标对话系统的论文。KERS（Knowledge-Enhanced multi-subgoal driven Recommender System）是一个基于通用知识的多子目标对话统一框架，能有效地解决多子目标推荐式对话问题。
推荐式对话系统因其巨大的商业潜力在最近引起了广泛关注，这类系统首先通过对话引出用户偏好，然后根据引出的偏好提供高质量的推荐。将此类对话划分为多个子目标(如社交聊天问答、推荐等)，有利于系统在不同子目标下检索到更合适、更准确的知识。论文中的KERS由三个模块组成:对话引导模块、编码器和解码器，如图2所示。该解码器包含三个新机制：序列注意机制，噪声过滤机制、知识增强模块。对于每个对话回合，对话引导模块预测该回合的子目标，并为下一个回答选择知识。然后，编码器对子目标、所选知识和对话上下文进行编码。最后，编码器的输出被输入到解码器以生成最终的对话回复。
KERS中的序列注意机制增强了子目标引导，噪声过滤消除了不相关和不必要的知识，知识增强模块增加了所选知识在响应生成中的重要性。实验结果表明，该方法在DuRecDial数据集上不管是自动评估还是人工评估方式都取得了SOTA的结果。
多年来，小i机器人非常注重产学研的深度结合，研发探求技术创新，也一直将最新的认知智能技术研究成果和落地应用展示于国际顶级学术会议和赛事中。此次联合论文入选EMNLP2021，是继今年小i机器人与华东师范大学联合发表的另一篇论文《An Argument Extraction Decoder in Open Information Extraction》入选ECIR2021后，再次被国际顶级会议录用，展示出了小i机器人超强的技术积累实力。未来，小i机器人也会持续将先进的认知智能技术与产业应用相融合，赋能产业发展，用认知智能技术探索人工智能的无限可能。
