国际计算语言学年会（Annual Meeting of the Association for Computational Linguistics，简称ACL）是自然语言处理领域顶级学术会议，在世界范围内每年召开一次。ACL会议在中国计算机学会（CCF）的分类中被评为A类会议。根据2022年谷歌学术指标，ACL会议的H5指数为169，H5中位数为304。

本次被ACL2023录用的2篇论文第一作者李江为高光来教授课题组指导的博士研究生，两篇论文主要聚焦于智能问答领域的知识图谱补全和意图理解两个关键问题，实现了我校自然语言处理研究的新突破。该研究工作得到了国家自然科学基金项目以及自治区重点研发和成果转化计划项目的经费支持，蒙古文智能信息处理技术国家地方联合工程研究中心为该项研究提供了软硬件支撑。

1. TeAST: Temporal Knowledge Graph Embedding via Archimedean Spiral Timeline

作者：李江，苏向东，高光来

单位：内蒙古大学

概述：在基于时序知识图谱的系统中，时序知识图谱嵌入(Temporal knowledge graph embedding, TKGE)模型常用于推理缺失的事实，以方便推理和决策。然而，现有的TKGE方法将时间信息融合到实体中导致实体信息的潜在演化，从而限制了TKG的链接预测性能。同时，现有的TKGE模型往往缺乏同时建模重要关系模式和提供可解释性的能力，阻碍了其有效性和潜在应用。为解决这些限制，本文提出一种全新的TKGE模型，通过阿基米德螺旋时间线编码时序知识图谱嵌入表示，将关系映射到相应的阿基米德螺旋时间线，并将四元组补全问题转换为三阶张量补全问题。具体来说，阿基米德螺旋时间线确保相同的关系在同一时间线上，所有关系都随着时间的推移而演变。同时，本文提出一种新的时序螺旋正则项函数，使螺旋时间线有序。此外，我们还提供了数学证明来证明TeAST对各种关系模式的编码能力。

2. How Well Apply Simple MLP to Incomplete Utterance Rewriting?

作者：李江，苏向东，马辛岚，高光来

单位：内蒙古大学

概述：不完全话语重写(IUR)的目的是恢复具有足够上下文信息的不完整语句以供理解。本文介绍了一种简单而有效的IUR方法-(MIUR)。与之前的研究不同，本文首先采用单层MLP架构来挖掘联合语句之间的潜在语义信息。之后，我们进行联合特征矩阵来预测token类型，从而恢复不完整的话语。设计良好的网络和简单的架构使所提出方法在质量和推理速度方面明显优于现有方法。

来源： 计算机学院（软件学院）