<html>

<head>

<meta http-equiv="Content-Type" content="text/html; charset=gb2312">

<style type="text/css" style="display:none;"> P {margin-top:0;margin-bottom:0;} </style>

</head>

<body dir="ltr">

<div style="font-family: Calibri, Helvetica, sans-serif; font-size: 12pt; color: rgb(0, 0, 0);">

Hi Adapters,

<div><br>

</div>

<div>In this talk, I will introduce to you a paper of emnlp2020 - "The World is Not Binary: Learning to Rank with Grayscale Data for Dialogue Response Selection".</div>

<div><br>

</div>

<div>Response selection plays a vital role in building retrieval-based conversation systems. Despite that response selection is naturally a learning-to-rank problem, most prior works take a point-wise view and train binary classifiers for this task: each response

 candidate is labeled either relevant (one) or irrelevant (zero). On the one hand, this formalization can be sub-optimal due to its ignorance of the diversity of response quality. On the other hand, annotating grayscale data for learning-to-rank can be prohibitively

 expensive and challenging. In this paper, the writers show that grayscale data can be automatically constructed without human effort. With the constructed grayscale data, the writers propose multi-level ranking objectives for training, which can brings significant

 and consistent performance improvements for retrieval-based dialogue systems.</div>

<div><br>

</div>

<div>I hope my talk makes you feel clear, interesting and helpful.</div>

<div><br>

</div>

<div>Time: Wed 4:00pm</div>

<div>Venue: SEIEE 3-414</div>

<div>Best wishes.</div>

<div>Zitong</div>

<br>

</div>

</body>

</html>