直播預(yù)告 | CCF-NLP走進(jìn)高校第七期“走進(jìn)天津大學(xué)&南開大學(xué)”

本文作者： AI研習(xí)社

2021-01-15 14:33

導(dǎo)語(yǔ)：1月17日（周日）18:30，與香港理工大學(xué)李文捷，金山集團(tuán)副總裁李長(zhǎng)亮，上?？萍即髮W(xué)屠可偉一起走進(jìn)天津大學(xué)&南開大學(xué)。

“CCF-NLP走進(jìn)高?！毕盗蟹窒硎荂CF-NLP為了促進(jìn)更多師生對(duì)自然語(yǔ)言處理前沿進(jìn)展的了解，幫助在校計(jì)算機(jī)及相關(guān)專業(yè)大學(xué)生成長(zhǎng)和發(fā)展，特邀領(lǐng)域內(nèi)的權(quán)威大牛們走進(jìn)更多的高校，與師生進(jìn)行溝通和交流，讓學(xué)術(shù)思想流動(dòng)起來(lái)，共同學(xué)習(xí)進(jìn)步。

“CCF-NLP走進(jìn)高?！毕盗懈咝LP研究分享報(bào)告會(huì)第七期，1月17日（本周日）18:30 我們將走進(jìn)天津大學(xué)&南開大學(xué)，為兩所學(xué)校的同學(xué)以及線上直播間的觀眾們分享NLP領(lǐng)域的最新發(fā)展成果和未來(lái)的研究方向。

本期活動(dòng)由中國(guó)計(jì)算機(jī)學(xué)會(huì)自然語(yǔ)言處理專業(yè)委員會(huì)（CCF-NLP）主辦，天津大學(xué)、南開大學(xué)、AI研習(xí)社聯(lián)合承辦，AI科技評(píng)論和機(jī)器學(xué)習(xí)算法與自然語(yǔ)言處理作為戰(zhàn)略合作媒體，活動(dòng)將通過(guò)線上直播分享方式舉行。前六期報(bào)告會(huì)分享詳情請(qǐng)見(jiàn)文末“往期回顧”。

直播觀看地址

AI研習(xí)社直播地址：https://www.yanxishe.com/events/ccf-nlp-tj

直播預(yù)告 | CCF-NLP走進(jìn)高校第七期“走進(jìn)天津大學(xué)&南開大學(xué)”

B站直播地址：http://live.bilibili.com/22494831

活動(dòng)流程

主持人

西湖大學(xué)特聘研究員張?jiān)?/span>

01 / 開場(chǎng)介紹

北京大學(xué)教授萬(wàn)小軍

時(shí)間：18：30--18：35

02 / 學(xué)校介紹

天津大學(xué)介紹

天津大學(xué)副教授&計(jì)算機(jī)學(xué)院副院長(zhǎng) 張鵬

時(shí)間：18：35--18：45

南開大學(xué)介紹

南開大學(xué)人工智能學(xué)院教授劉杰

時(shí)間：18：45--18：55

03 / 分享主題：面向垂直領(lǐng)域的文檔機(jī)器翻譯

分享嘉賓：金山集團(tuán)副總裁&人工智能研究院院長(zhǎng) 李長(zhǎng)亮

時(shí)間：18：55--19：55

分享環(huán)節(jié)：50分鐘主題分享+10分鐘互動(dòng)問(wèn)答

分享摘要：

經(jīng)驗(yàn)和知識(shí)可以使得機(jī)器翻譯算法，融合領(lǐng)域相關(guān)的知識(shí)，更加貼合專業(yè)領(lǐng)域，并且能讓不同領(lǐng)域特有的需求得到快速解決。

在這個(gè)報(bào)告中，我們將介紹金山AIDA如何構(gòu)建面向垂直領(lǐng)域的文檔級(jí)機(jī)器翻譯系統(tǒng)，并將其中的核心技術(shù)、算法和解決方案進(jìn)行總結(jié)，希望為相關(guān)技術(shù)工作者提供經(jīng)驗(yàn)和幫助。

04 /分享主題：以用戶為中心的智能人機(jī)對(duì)話系統(tǒng)研究

分享嘉賓：香港理工大學(xué)副教授李文捷

時(shí)間：19：55--20：55

分享環(huán)節(jié)：50分鐘主題分享+10分鐘互動(dòng)問(wèn)答

分享摘要：

基于自然語(yǔ)言處理的人機(jī)交互系統(tǒng)在智能家居、客戶服務(wù)及產(chǎn)品推薦等諸多領(lǐng)域具有廣闊應(yīng)用前景，推動(dòng)著智能人機(jī)對(duì)話系統(tǒng)技術(shù)研究的高速發(fā)展。至今為止，大部分研究工作主要集中在對(duì)話系統(tǒng)本身，例如，對(duì)話系統(tǒng)應(yīng)該如何善用對(duì)話上下文或者利用背景知識(shí)來(lái)生成針對(duì)用戶的有效回應(yīng)。事實(shí)上，用戶和系統(tǒng)是對(duì)話交流中的平等伙伴，我們預(yù)期未來(lái)的研究必將更多地傾向用戶。以用戶為中心，更主動(dòng)地關(guān)注用戶需求、個(gè)人特性、情感需求，以及更多地了解用戶知識(shí)水平和興趣愛(ài)好等，才能更好地服務(wù)用戶和更自然地吸引甚至引導(dǎo)用戶融入對(duì)話。

05 / 分享主題：Neuralizing Symbolic and Statistical Approaches to NLP

分享嘉賓：上?？萍即髮W(xué)信息科學(xué)與技術(shù)學(xué)院長(zhǎng)聘副教授屠可偉

時(shí)間：20：55--21：55

分享環(huán)節(jié)：50分鐘主題分享+10分鐘互動(dòng)問(wèn)答

分享摘要：

While deep learning and neural approaches become dominant in the field of NLP over the past five years, we argue that traditional symbolic and statistical approaches still have their merits. In this talk, I will discuss our recent effort of integrating traditional symbolic and statistical techniques with modern neural approaches. I will first introduce a novel type of recurrent neural networks that can be converted from regular expressions and deployed in zero-shot and cold-start scenarios. I will then introduce the technique of unfolding statistical inference algorithms as recurrent neural networks and discuss its application to dependency parsing and CRF decoding. Finally, if time permits, I will briefly discuss our work on vectorizing formal grammars.