NLPCC (International Conference on Natural Language Processing and Chinese Computing ) 会议，是自然语言处理领域重要的国际会议。我研究室2018级博士生周勇伟的题为 《EviDR: Evidence-Emphasized Discrete Reasoning for Reasoning Machine Reading Comprehension》的论文被NLPCC 2021 录取为Oral 论文，并于会上完成学术报告。

题目：《EviDR: Evidence-Emphasized Discrete Reasoning for Reasoning Machine Reading Comprehension》

简介：离散推理型阅读理解是一项基于文本进行复杂问答的自然语言理解任务，与传统抽取型阅读理解任务不同在于离散推理型阅读理解要求模型不仅仅具备文本相似性匹配能力，更重要地需要具备算术运算、排序、比较、计数等离散推理能力，在金融财报分析、医疗报告分析等领域有重要的应用。在此项工作中，我们通过显式建模多粒度证据来帮助模型解决离散推理型阅读理解任务，包括句子级、子句级以及数字级别。通过远程监督的方式训练了一个证据抽取模块，减少了人工标注证据的代价；基于证据抽取模块抽取的证据构建异构证据推理图，利用关系图神经网络进行多步推理；在答案预测模块中融入证据信息，通过门机制显式增加证据文本作为答案的概率。 我们在离散推理型阅读理解任务DROP数据集上进行了实验分析，证明了我们提出的模型取得了更好的效果。