2019开年拿下“一血”，百度摘得国际语义评测比赛桂冠

国际赛事上屡传佳报的百度，2019年开年再次拿下“一血”！

2019年2月1日，第十三届国际语义评测比赛（International Workshop on Semantic Evaluation, SemEval 2019）落下帷幕。在论坛评论建议挖掘任务评测（Task 9A: Suggestion Mining from Online Reviews and Forums）中，百度一举击败来自全球的210余支队伍，最终以 F 值78.12%的成绩夺得冠军，率先在评论建议挖掘领域尝试并取得喜人的成果。

▲SemEval-2019 Task 9A 最终榜单，百度排名第一

SemEval 评测是自然语言处理领域的国际性权威竞赛，由国际计算语言学协会（Association for Computational Linguistics, ACL）下属的 SIGLEX 主办。ACL 是自然语言处理与计算语言学领域最高级别的学术会议，是世界上影响力最大、最具活力的国际学术组织。

自2001年起，SemEval 至今已成功举办十二届，吸引了世界范围内的多所大学和研究机构的参加，在业界和学术界具有极高影响力。本次评测聚焦的任务是论坛评论建议挖掘，旨在抽取从网络论坛或评论中自动识别建议性的句子，用于帮助企业、政府机关等组织持续不断的从海量数据中提取有价值的信息。

评论建议挖掘是什么？ 

如今，用户喜欢在网络中发表评论，表达自己对个人、产品、服务和社会事件等的意见和想法，这些评论不仅蕴含用户丰富的情感表达，有些还包含着用户对产品或服务的建议。比如“我喜欢吃这家餐厅”是用户表达喜欢这种情感的评论，但在“我喜欢吃这家餐厅，如果环境再好一点就更好了”这条评论中，还包含了用户对这家餐厅的建议。

以往的情感分析研究更关注用户是否存在负面情感，上述这条评论往往会被忽略，实际上建议类评论对提升企业服务具有极高价值。目前，业界有大量针对用户情感分析的研究，但建议挖掘还处于初步阶段，百度率先在评论建议挖掘领域尝试。

建议挖掘是一项新的研究任务，该任务需要综合考虑句子的语义、语态、 情绪、句式、上下文等信息，才能做出准确的判断。例如“可以考虑在节假日增加几趟航班”，“假如房间里提供热水壶，我下次还愿意订在这里”等句子虽然句式、形态、评论的对象完全不同，但都是有价值的建议。对“建议”内涵和外延的理解存在比较大的主观性，使得问题定义及语料标注难以取得一致，这给建议挖掘带来了很多困难。

百度技术团队如何解决难题？ 

此次比赛中，百度团队采用多种技术手段解决难题，最终取得了亮眼成果。|

首先，针对任务标注数据过于稀疏的问题，团队构建了以大规模无监督数据为基础的跨领域、多句式深度语义分类模型。采用融合浅层学习和深度学习的 Ensemble 学习模型，以解决样本不平衡问题。面对网络文本形式多样、表达不规范的现状，团队采用精细化粒度特征和注意力迁移机制进行处理。最终，百度团队以 F 值78.12%的成绩战胜了来自全球的210余支队伍，夺得冠军。

评论建议挖掘有怎样的实用价值？ 

企业期待及时获取消费者的评价以改进服务、政府和媒体希望从海量文本中提取意见以成为决策参考与新闻素材……而互联网上还有大量评论数据沉淀，亟待深度应用。评论建议挖掘用于辅助决策无疑是极具实用价值的自然语言处理任务！

赋予机器“认知”能力，是人工智能最具挑战的技术领域之一，自然语言处理属于认知部分的重要内容。更深入地理解语言，让机器具备人类的思考和理解能力意义重大。百度在自然语言处理（NLP）领域已经过十余年积累与沉淀，具备了最前沿、最全面、最领先的技术布局，不仅专注于前瞻技术探索，更致力通过技术应用解决实际问题。

目前，百度语义理解技术已广泛应用于百度内外，在搜索、信息流等一系列产品应用中发挥重要作用。

欢迎使用自然语言处理技术（NLP）：https://ai.baidu.com/tech/nlp