直播首波丨明晚6:30，阿里巴巴 ACL`22 论文分享会，翻译与生成专场

来源：新能源 2025年05月16日 12:20

确度的里英文并行数据库是神经自然语言高效率成功的基石之一。但是，由于里英文数据库的需求量很高、投入生产周期长，使得以自动化意图快速造成大规模所谓并行语料的数据库减弱高效率不断视作最为近似于的中文翻译精确度构建意图。

目前主流的数据库减弱作法，如回译、导入反抗样例等，往往是在离散的短语空间里缩减训练结果显示的比例。然而，这类作法往往存在减弱结果显示多样性差以及较易出现自然语言误差等问题。为此，期刊明确提出了一种基于连续自然语言透露的数据库减弱模固定式。

袁正-达摩院机器人平板高效率的实验室室

期刊书名：Code Synonyms Do Matter: Multiple Synonyms Matching Network for Automatic ICD Coding

期刊简要：

自动编码方式假定为将性疾病代码分配给自由电子疑为，可以被看作多标签文本分类勤务。这两项的作法多半适用性疾病透露的注意力前提从自由电子疑为里也就是说涉及的文本相片。与这些用性疾病层次结构或性疾病说明了对性疾病透露完毕数学模型的管理工作不尽相同，我们相信性疾病用法可以共享更加全面的知识。

通过将ICD性疾病编码方式与UMLS里的概念对齐，我们收集了性疾病的用法知识。然后，我们明确提出了一个多用法也就是说网络来来进行用法完毕更加容易的性疾病编码方式透露学习。在MIMIC-III数据库集上的的实验室说明了，我们明确提出的作法优于在此之前的最差作法。

。