第十八章 论文投稿（2 / 4）

些瘦弱，但没有人敢小瞧他，他是自然语言处理领域的最高标杆，当年的机器翻译和智能问答系统就是他一手引领起来的潮流，如今无数人使用的翻译软件和搜索引擎，都要算他一份功劳。

他是曼宁（manning），在自然语言处理领域，可以说是神一样的存在。

“嗯？”

曼宁教授发现自己的邮箱被推送来了一篇论文，还是来自aaai的一个技术编辑。

“怎么还得我来审稿？”

曼宁教授嘟囔了一句，虽然他也是aaai的会员之一，而且也确实有责任审稿，但作为aaai最高荣誉会员，这种大佬整个aaai不超过两手之数，他们的作用就是镇场子的，哪个不长眼的编辑会让这种大佬充当审稿人，简直吃了熊心豹子胆。

曼宁教授虽然内心有些不满，但还是点开了论文，开始查阅。

&extualizedwordrepresentations】？

嗯哼，从今年最火的方向下手，切入点倒不错。

曼宁教授大略看了看摘要，作者提出了一个新的模型弥补了taglm的劣势，并且取得了近十个点的性能提升。

看到此处，曼宁教授不禁来了兴趣，如果这摘要没有夸大其词，十个点的性能提升，绝对能让这个新模型完全替代taglm。

越往下看，曼宁教授的心中就越是严肃，而挂在墙上的钟表滴答滴答走动。

一分钟，两分钟，五分钟，十分钟

去除卷积提取层，去除循环神经网络提取层，只保留原始词向量？

不得不说这个结构修改非常大胆，可是......提取层都去除了，用原始信息能有好结果？然后，他就在下面一段的理论证明找到了答案。

看到理论证明的时候，曼宁教授也是诧异了一会儿，什么时候深度学习的论文还有理论证明这部分了？现在的年轻人都这么严谨的么？

紧接着，他就发现了更不可思议的事情，对方不但证明了，而且证明得非常详细，先是用线代说明卷积提取层在这个结构里只能给参数带去混乱因子，然后又证明了普通的循环神经网络提取层不足以提取到所有信息，结合相关数学理论，改换成了双层结构的长短期记忆神经网络提取层。

这......作者论证思路清晰，逻辑严谨，真的要鸡蛋里挑骨头的话，就是这篇论文的实验只使用了单一的命名体识别，他不明白，是什么样的团队，很可能都请