预告 | CCF-NLP走进高校第七期“走进天津大学&南开大学”

2021 年 1 月 18 日
AI
自然语言处理

“CCF-NLP走进高校”系列分享是CCF-NLP为了促进更多师生对自然语言处理前沿进展的了解，帮助在校计算机及相关专业大学生成长和发展，特邀领域内的权威大牛们走进更多的高校，与师生进行沟通和交流，让学术思想流动起来，共同学习进步。

“CCF-NLP走进高校”系列高校NLP研究分享报告会第七期，1月17日（本周日）18:30 我们将走进天津大学&南开大学，为两所学校的同学以及线上直播间的观众们分享NLP领域的最新发展成果和未来的研究方向。

本期活动由中国计算机学会自然语言处理专业委员会（CCF-NLP）主办，天津大学、南开大学、AI研习社联合承办，AI科技评论和机器学习算法与自然语言处理作为战略合作媒体，活动将通过线上直播分享方式举行。前六期报告会分享详情请见文末“往期回顾”。

直播观看地址

AI研习社直播地址：//www.yanxishe.com/events/ccf-nlp-tj

B站直播地址：//live.bilibili.com/22494831

活动流程

主持人

西湖大学特聘研究员张岳

01 / 开场介绍

北京大学教授万小军

时间：18：30–18：35

02 / 学校介绍

天津大学介绍

天津大学副教授&计算机学院副院长张鹏

时间：18：35–18：45

南开大学介绍

南开大学人工智能学院教授刘杰

时间：18：45–18：55

03 / 分享主题：面向垂直领域的文档机器翻译

分享嘉宾：金山集团副总裁&人工智能研究院院长李长亮

时间：18：55–19：55

分享环节：50分钟主题分享+10分钟互动问答

分享摘要：

经验和知识可以使得机器翻译算法，融合领域相关的知识，更加贴合专业领域，并且能让不同领域特有的需求得到快速解决。

在这个报告中，我们将介绍金山AIDA如何构建面向垂直领域的文档级机器翻译系统，并将其中的核心技术、算法和解决方案进行总结，希望为相关技术工作者提供经验和帮助。

04 /分享主题：以用户为中心的智能人机对话系统研究

分享嘉宾：香港理工大学副教授李文捷

时间：19：55–20：55

分享环节：50分钟主题分享+10分钟互动问答

分享摘要：

基于自然语言处理的人机交互系统在智能家居、客户服务及产品推荐等诸多领域具有广阔应用前景，推动着智能人机对话系统技术研究的高速发展。至今为止，大部分研究工作主要集中在对话系统本身，例如，对话系统应该如何善用对话上下文或者利用背景知识来生成针对用户的有效回应。事实上，用户和系统是对话交流中的平等伙伴，我们预期未来的研究必将更多地倾向用户。以用户为中心，更主动地关注用户需求、个人特性、情感需求，以及更多地了解用户知识水平和兴趣爱好等，才能更好地服务用户和更自然地吸引甚至引导用户融入对话。

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

分享嘉宾：上海科技大学信息科学与技术学院长聘副教授屠可伟

时间：20：55–21：55

分享环节：50分钟主题分享+10分钟互动问答

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.