课题组今年有1篇论文被EMNLP 2019接收。EMNLP全称是Empirical Methods in Natural Language Processing，自然语言处理领域国际顶级会议之一。今年将于2019年11月在中国香港召开。
1. Enhancing Context Modeling with a Query-Guided Capsule Network for Document-level NMT
(Zhengxin Yang, Jinchao Zhang, Fandong Meng, Shuhao Gu, Yang Feng and Jie Zhou)
现有的文档级机器翻译(Document-Level NMT)方法通常利用层次化的注意力网络HAN(Hierarchical Attention Network)来抽取上下文信息特征，然而HAN并没有很好的建模上下文中每个句子内部词与词以及词与待翻译句子之间的语义关系。为了解决这个问题，我们提出了一种新型且简洁的胶囊网络架构QCN（Query-Guided Capsule Network），QCN将当前待翻译句子作为Query，指导胶囊网络在提取上下文中每个句子内部语义特征的同时，考虑所提取的语义特征与当前待翻译句子语义特征的相关性。实验证明，该方法可以较为有效的提高文档级机器翻译的质量。
