令人振奮！哈工大SCIR在國際多語言通用依存分析評測中奪得冠軍

在剛剛結束的CoNLL-2018國際評測（universaldependencies.org)中，哈工大社會計算與資訊檢索研究中心（HIT-SCIR）取得了第一名的好成績。CoNLL 系列評測每年由 ACL 的計算自然語言學習會議（Conference on Computational Natural Language Learning，CoNLL）主辦，是自然語言處理領域影響力最大的國際技術評測，有力推動了自然語言處理各項任務的發展。

與去年的評測任務相同，今年的CoNLL 任務仍為：Multilingual Parsing from Raw Text to Universal Dependencies，即面向生文本的多語言通用依存分析。從生文本出發，需要進行分句、分詞、形态學分析、詞性标注、依存句法分析等。今年評測任務面向57種語言的82個測試集。最終評價名額為在全部評測集上依存分析任務的平均LAS（依存弧及标簽準确率），除此之外還評測了 MLAS（形态學标記正确前提下的LAS）和 BLEX （内容詞詞形還原正确前提下的LAS）兩項名額。

最終有包括斯坦福大學、IBM公司在内的27支隊伍成功送出了評測系統，我們的系統在最關鍵的評測名額，即 LAS 上獲得了第1名，高出第二名2.56%。

在去年的評測中，共有45種語言64個資料集，斯坦福大學獲得第一名，我們的系統獲得了第四名。今年，我們采用了基于圖的依存分析算法，并使用大規模未标注資料預訓練了上下文相關的詞向量模型，大幅提高了系統的準确率。我們的這些技術進步将融入語言技術平台（LTP）中，進一步提高LTP的性能。

項目組成員：車萬翔教授，博士生：劉一佳、王宇軒、鄭博

這個消息真的是令人振奮，大家可能經常看到cv的一些比賽，冠軍經常被一些國内的科研機關或者獨角獸公司擷取，但是在nlp領域的比賽中其實報道并沒有那麼多，尤其是句法，語義這種基礎型的評測比賽。

我在實驗室的時候親眼看到隊伍比賽的不易，獲得這樣的成績，是對車老師，各位師兄的一個肯定。大家的辛苦沒有白忙，真心為實驗室感到驕傲！也希望在更多的領域，有更多的中國聲音。

希望大家能為我們有這麼好的成績點個贊吧！謝謝大家！

這樣的梯度下降教程，你應該能get！

通俗講解回歸算法：從精靈寶可夢例子說起

通俗易懂講解感覺機（三）--收斂性證明與對偶形式以及python代碼講解