2019年12月15日,中国人工智能学会主办的“人工智能前沿讲习班” (以下简称 CAAI-AIDL)第8期“《自然语言理解、生成与人机对话》”在复旦大学圆满闭幕。本次活动由复旦大学计算机科学技术学院副教授邱锡鹏和字节跳动人工智能实验室总监李磊担任学术负责人,并邀请到自然语言处理领域8 位著名学者作为特邀报告人,来自全国各地的120余位老师、学生以及企业工程师参加。


image.png

讲习班现场


12月14日上午,复旦大学计算机科学技术学院副教授邱锡鹏主持开班仪式,首先对大家参加讲习班表示感谢,然后介绍了本期讲习班将对自然语言理解、生成领域的基础知识和最新进展进行集中的讲解。


image.png

邱锡鹏副教授


接下来,邱锡鹏老师在致辞中介绍了本期“自然语言理解、生成与人机对话”讲习班的选题背景,并分别介绍了来自学术界和工业界的8位该领域的顶尖学者。同时,希望大家在未来两天的时间里与报告嘉宾充分交流,学习更多的前沿成果。


第一天上午的讲习班由复旦大学计算机科学技术学院副教授邱锡鹏主持,下午由复旦大学自然语言处理实验室负责人黄萱菁教授主持。


image.png

黄萱菁教授


讲习班的第一场报告,苏州大学洪宇教授做了“信息抽取的常识与前沿”的分享。信息抽取是NLP领域中重要的研究任务,涉及的主题非常广泛,包括事件抽取、实体关系抽取和属性抽取等等。洪宇教授在报告中首先介绍了信息抽取的相关常识和研究背景,接下来洪教授加入了关于“如何利用神经网络构建简单信息抽取模型”的介绍,这一部分以事件检测、实体关系分类和术语属性识别为例,围绕基础性的神经抽取模型进行说明。最后洪教授对近几年ACL和EMNLP会议中的相关探索与前沿技术进行了介绍。


image.png

洪宇教授


第二场报告,中科院自动化所的副研究员刘康老师围绕“面向知识图谱的问答系统”这一主题做分享。随着搜索引擎的飞速发展,将互联网文本内容结构化,从中抽取有用的知识,构建基于知识的问答系统,对于文本内容的语义理解以及搜索结果的精准化有着重要的意义。刘老师首先从面向知识图谱的问答系统概述出发,展开介绍了基于符号表示的Semantic Parsing、基于Deep Learning的端到端知识问答方法、Neural Semantic Parsing等内容。最后刘老师对其中存在的问题和趋势进行分析和展望。


image.png

刘康副研究员


第三场报告,微软亚洲研究院自然语言计算组主管研究员唐都钰作了题为“知识驱动的智能问答与语义解析”的报告。此次报告中,唐老师首先以基于表格和基于知识图谱的问答系统为例,介绍利用语法知识的语义解析方法;然后,介绍基于语境知识的语义解析和多轮问答方法。接下来,对如何融合检索模型和元学习利用数据知识进行了详细的分享。最后,唐老师还对基于如何利用样本的外部背景知识辅助智能问答和自然语言理解进行了介绍。       


image.png

唐都钰研究员


第四场报告,来自字节跳动人工智能实验室的周浩博士,围绕“深度文本生成模型的前沿进展”这一主题做分享。周浩老师表示文本生成技术是自然语言处理中的一项基础技术,在机器写稿、机器翻译、对话、搜索、在线广告等产品上有很多应用,此次报告将从三个方面介绍文本生成中的深度生成模型。首先,周浩老师介绍了序列到序列的生成,包括最新的Transformer模型,最新的非自回归的文本生成模型以及它在各种文本生成中的改进。接下来,介绍了深度隐变量模型,包括生成与编码结合的变分自编码模型(VAE)与对抗生成网络(GAN)。然后做了可控贝叶斯方法,可以生成更大多样性和可解释性的文本的介绍。最后,周浩老师介绍了实际场景中的一些应用,例如数据到文本的生成,问题生成等。


image.png

周浩博士


15日上午,清华大学智能技术与系统实验室副主任、副教授黄民烈老师作了题为“知识增强的自然语言生成”的报告。黄民烈教授表示现有的自然语言生成模型仍然面临许多问题,因此在这次报告中,将讨论自然语言生成中的典型设置,问题和现有解决方案。首先,黄老师介绍到在常识生成、知识补全、对话生成,故事结局生成、常识性故事生成等应用中,知识可以更好地辅助语言理解和语言生成。然后,黄老师提到知识可以提供信息量、一致性、连贯性和隐式规划,在开放式语言生成中尤其有用。最后,黄老师在现场提问环节与在座的同学对相关问题进行了交流。


image.png

黄民烈副教授


上午的第二场报告,北京大学助理教授严睿围绕“Deep Chit-Chat:Deep Learning for Chatbots”这一主题作报告。严老师介绍到近年来自动人机对话系统在学术界和工业界都获得了相当大的关注度,正处于“HOT”的阶段。报告中,严老师回顾了人机对话的发展历程,以及随着深度学习技术盛行之后,由数据驱动模型带来的革命性改变。同时,严老师从人机对话的已有应用出发,再分析现有对话系统的不足,展望了下一代人机对话系统的挑战。最后严老师分享了课题组在人机对话研究所做的努力与探索,以及相应的代表性成果。


image.png

严睿老师


15日下午的两场报告,由哈尔滨工业大学计算机学院教授车万翔老师、副教授张伟男老师,共同作了关于“任务型对话系统”的报告。车教授的报告侧重点在介绍任务型对话系统的背景和定义,然后依次介绍其中的关键技术,包括自然语言理解(包括领域意图的识别和语义槽的填充)、对话管理中对话状态跟踪的趋势。


image.png

车万翔教授


下午第二场报告,哈尔滨工业大学计算机科学与技术学院副教授张伟男老师继续就“任务型对话系统”继续做分享。张老师首先接着车教授的报告,继续介绍对话管理中关于对话策略优化的内容,接着介绍了自然语言的生成以及端到端的任务型对话系统,最后张老师对任务型对话系统的技术和应用趋势进行了展望。


image.png

张伟男副教授


报告结束后,本次讲习班的学术负责人复旦大学计算机科学技术学院副教授邱锡鹏,做了本期讲习班的总结,并对报告嘉宾的分享和参会者的支持表示感谢。


image.png

部分学员与老师合影


CAAI-AIDL第8期人工智能前沿讲习班:《自然语言理解、生成与人机对话》,在各位报告嘉宾、广大同行以及学会的各级领导的大力支持下,取得了圆满成功。

中国人工智能学会
2019年12月16日


Copyright © 2010 中国人工智能学会 互联网ICP备案:京ICP备06029423号-1
地址: 北京市海淀区西土城路10号 邮编: 100876 技术支持: 010-62283919

二维码