近日，第61届国际计算语言学年会（ACL）发布论文录用消息，大连理工大学信息检索研究室共有三篇论文被主会录用。ACL是人工智能领域和自然语言处理领域的国际顶级会议，被列为CCF推荐的A类国际会议，历年主会录用率在25%左右，吸引了世界各地的计算机和语言学领域研究者的持续关注。

论文一：实验室2019级博士生闵昶榮、林鸿飞教授、徐博老师和杨亮老师等共同完成的研究成果被录用为主会长文。

题目：Just Like a Human Would, Direct Access to Sarcasm Augmented with Potential Result and Reaction

摘要：受启发于人类对于讽刺的认知过程，本文提出一种潜在结果与心理反应增强的讽刺检测方法（SD-APRR）。受认知语言学中The Direct Access 理论的启发，本文将每个讽刺样本视为一个不完整的版本，缺少与隐式负面情景相关的信息，这些信息包括讽刺样本可能引起的可能结果以及听众的心理反应。为此，本文利用预训练外部常识推理工具COMET，在[xEffect]和 [xReact]关系的引导下，进一步推断每个反讽样本的可能结果以及心理反应。并在原始反讽样本的基础上，进一步构建增强样本。最后，利用降噪图编码器进一步学习增强样本的语义表示并得到样本预测结果。本文在四个不同规模的公开反讽识别数据集上进行实验，结果表明SD-APRR相比于最新基线模型有明显提升。本工作同时说明在深度学习时代，传统语言学、心理学相关理论仍具有重要作用。

论文二：实验室博士生宁金忠、杨志豪教授、孙媛媛教授、博士生王治政和林鸿飞教授共同完成的研究成果被录用为长文。

题目：OD-RTE: A One-Stage Object Detection Framework for Relational Triple Extraction

摘要：关系三元组抽取（RTE）任务是一项基础且重要的信息抽取任务。最近，基于填表的RTE方法受到了很多关注。尽管基于填表的信息抽取方法取得了成功，但仍存在一些固有问题，例如未充分利用三元组的区域信息。在这项工作中，我们将基于填表方法的RTE任务视为目标检测任务，并提出了一种基于单阶段目标检测框架的关系三元组抽取方法（OD-RTE）。在这个框架中，基于顶点的边界框检测，结合辅助的全局关系三元组区域检测，确保了三元组的区域信息能够得到充分利用。此外，我们提出的解码方案可以提取所有嵌套与重叠类型的三元组。此外，在训练阶段的关系负采样策略显著提高了训练效率，同时缓解了正负关系的不平衡。实验结果表明：1）OD-RTE在两个广泛使用的基准数据集（NYT和WebNLG）上实现了最先进的性能。2）与最先进的的表格填充方法相比，OD-RTE实现了更快的训练和推理速度，并降低了GPU内存占用量。

论文三：实验室硕士生卢俊宇、林鸿飞教授、徐博老师和杨亮老师等共同完成的研究成果被录用为主会长文。

题目：Facilitating Fine-grained Detection of Chinese Toxic Language: Hierarchical Taxonomy, Resources, and Benchmarks

摘要：在社交媒体平台上，有毒言论的肆虐对社会造成了严重的危害。相较于英文，中文有毒言检测的相关研究明显滞后。现有的数据集缺乏对有毒言论的毒性类型和表达方式进行细粒度注释，忽略了具有隐式毒性的样本。此外，引入词性知识来检测帖子的毒性是至关重要的，这也是研究人员面临的挑战。在本文中，我们促进了中文有毒言论的细粒度检测。首先，我们构建了 Monitor Toxic Frame，这是一个层次的分类学框架，用于分析有毒类型和表达方式。然后，我们提出了一个细粒度的中文有毒言论数据集ToxiCN，包括显式毒性和隐式毒性样本。我们还构建了包含隐性亵渎的侮辱性词典，并提出了Toxic Knowledge Enhancement (TKE) 结合词汇特征来检测有毒言论。在实验阶段，我们验证了TKE的有效性，并对研究结果进行了系统的定量和定性分析。