線下沙龍 x 上海 | PaperWeekly + 上財智能金融課題組 = 「知識圖譜與自然語言理解」學術分享會

Hi,江浙滬包郵區的小夥伴們

各位最期待的線下沙(miàn)龍(jī)

本周即將登陸魔都上海

你們準備好了嗎?

PaperWeekly本次將走進上海財經大學

攜手上財智能金融課題組

為大家帶來一場

知識圖譜與自然語言理解學術沙龍

作為上海財大百年校慶系列活動之一

本次活動集結了多位學術界和工業界大咖

根據線下沙龍前兩站的經驗

小編勸大家趕緊點擊此處報名

再不佔座就只能自帶小馬扎了

特邀嘉賓

1. 肖仰華

肖仰華博士,復旦大學計算機學院副教授、博導,復旦大學知識工場實驗室創始人、負責人,上海市互聯網大數據工程技術中心副主任,兼任多家規模企業包括阿里巴巴、小i機器人等高級顧問或首席科學家。主要研究興趣包括知識圖譜、大數據管理與挖掘。在SIGMOD, VLDB, ICDE, IJCAI, AAAI 等國際頂級學術會議發表論文 100 多篇。領導構建國內首個知識庫雲服務平台(知識工場平台 kw.fudan.edu.cn),以 API 形式對外服務 3.5 億次。

知識圖譜研究的回顧與展望

自 2012 年穀歌正式推出知識圖譜技術以來,知識圖譜技術經歷了飛速的發展,吸引了來自工業界和學術界的廣泛關注,在一系列實際應用中取得了顯著效果,成為了人工智慧技術知識工程分支在大數據時代的代表性進展。但隨著知識圖譜技術應用的深入,知識圖譜技術自身局限性也日益暴露,當前知識圖譜技術已經難以應對智能化大潮對其提出的嚴峻要求。

本報告將結合復旦大學知識工場實驗室自 2011 年以來在知識圖譜研發與落地方面的科研實踐,系統總結知識圖譜研究與落地中的一系列關鍵科學問題,梳理突破當前技術瓶頸的主要技術思路,展望知識圖譜技術下一階段發展前景。

2. 屠可偉

屠可偉博士,上海科技大學信息科學與技術學院助理教授、博士生導師。於 2002 和 2005 年在上海交通大學計算機科學與工程系獲學士和碩士學位;2012 年於美國愛荷華州立大學獲計算機科學博士學位;2012 至 2014 年在美國加州大學洛杉磯分校統計系與計算機系從事博士後研究工作。研究方向包括自然語言處理、機器學習、知識表示等人工智慧領域,目前側重於研究文法的表示、學習與應用。發表論文三十餘篇,其中包括 EMNLP、NIPS、IJCAI、AAAI、ICCV 等國際頂級會議論文。曾任 CVPR、IJCAI、AAAI、ECCV 等多個國際頂級會議程序委員會委員。

無監督文法學習

無監督文法學習亦稱為文法歸納,旨在從沒有標註解析樹的訓練文本中學習文法。在缺乏樹庫(Treebank)的情況下,以及在使用文法建模非文本數據時,無監督文法學習是必不可少的。

在自然語言處理領域,無監督文法學習的主要方式是依存文法參數學習。我將討論我們組在該方向的近期工作,包括 unambiguity regularization、neural DMV、CRF-autoencoder、基於 dual-decomposition 的聯合訓練,以及在大數據大模型下的學習。

3. 邵浩

邵浩博士,上海瓦歌智能科技有限公司副總經理,深圳狗尾草智能科技公司研發技術總監,日本國立九州大學工學博士,研究方向為機器學習,共發表四十餘篇高水平論文,目前負責深圳狗尾草智能科技有限公司 AI Lab 的建設。

上海瓦歌智能科技有限公司是深圳狗尾草智能科技有限公司的所屬子公司,總部位於深圳,致力於中文自然語言交互、人工智慧、機器人硬體等領域探索和創新,力求將科技與藝術完美融合,讓每一款產品不僅智能,而且更具有人文關懷,讓機器人真正走入家庭生活,引領簡單、便捷、有趣的智能生活方式。目前,Gowild 完成超億元的 A 輪融資,致力於深耕 AI+ 領域,建立以智能機器人為中心的智能家庭生活生態系統,並推出了公子小白情感聊天機器人,在天貓和京東等在線渠道同類產品銷量領先,並於 2017 年初推出全新產品 holoera。

探索聊天機器人產業化落地之路

近年來,聊天機器人作為 AI 技術的殺手級應用,發展得如火如荼,各種智能硬體層出不窮。本次演講將系統地闡述聊天機器人的分類和關鍵技術,並分析 Apple Siri、IBM Watson、Google Allo、Facebook Messenger 和 Amazon Echo 等典型代表的優缺點,並第一次給出聊天機器人行業的技術面面觀。在此基礎上,將展望聊天機器人通往更智能化、更人性化、更趣味化的道路上所面臨的挑戰,並聚焦到知識圖譜技術在問答、推理和服務融合等方面的機遇和挑戰。

4. 崔萬雲

崔萬雲博士,上海財經大學信息管理與工程學院的助理教授,小 Cui 問答和 KBQA 項目負責人。他於 2017 年用 4 年時間獲得復旦大學 5 年制博士學位,導師是汪衛和肖仰華教授。他的研究興趣包括自然語言問答和知識圖譜。自 2012 年起,他分別在微軟亞洲研究院、百度深度問答小組和小i機器人等公司從事問答系統、知識圖譜相關研究。他已經在 PVLDB 2017,IJCAI 2016,AAAI 2016,SIGMOD 2014,SIGMOD 2013 等頂級人工智慧、資料庫會議上發表第一作者論文。曾獲得復旦大學學術之星、復旦大學畢業生之星等獎項。

KBQA: Learning Question Answering over QA Corpora and Knowledge Bases

Question answering (QA) has become a popular way for humans to access billion-scale knowledge bases. Unlike web search, QA over a knowledge base gives out accurate and concise results, provided that natural language questions can be understood and mapped precisely to structured queries over the knowledge base. The challenge, however, is that a human can ask one question in many different ways. Previous approaches have natural limits due to their representations: rule based approaches only understand a small set of 「canned」 questions, while keyword based or synonym based approaches cannot fully understand the questions.

In this talk, I will present our VLDB 2017 paper: <KBQA: Learning Question Answering over QA Corpora and Knowledge Bases>. We design a new kind of question representation: templates, over a billion scale knowledge base and a million scale QA corpora. For example, for questions about a city』s population, we learn templates such as What』s the population of $city?, How many people are there in $city?. We learned 27 million templates for 2782 intents. Based on these templates, our QA system KBQA effectively supports binary factoid questions, as well as complex questions, which are composed of a series of binary factoid questions. Furthermore, we expand predicates in RDF knowledge base, which boosts the coverage of knowledge base by 57 times. Our QA system beats all other state-of-art works on both effectiveness and efficiency over QALD benchmarks.

活動時間

9 月 23 日(本周六) 14:00—17:00

活動地點

上海財經大學工商樓2樓西側會議室

報名方式

在PaerWeekly公眾號後台回復「上海」

點擊填寫報名表馬上搶佔名額!

報名截止日期:2017 年 9 月 21 日 18:00

*我們將在 9 月 22 日 17:00 前通知報名入選情況。逾期沒收到通知即為落選,敬請期待 PaperWeekly 的下次線下活動:)

主辦方

*本活動最終解釋權歸 PaperWeekly 和上海財經大學智能金融課題組所有。

關於PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平台。如果你研究或從事 AI 領域,歡迎在公眾號後台點擊「交流群」,小助手將把你帶入 PaperWeekly 的交流群里。

微信公眾號:PaperWeekly

新浪微博:@PaperWeekly


推薦閱讀:

斯坦福博士李紀為:如何打造對話機器人 | 直播預告·PhD Talk #14
當我們談論「Chatbot」時,我們在讀什麼? | 論文集精選 #05
直播預告:基於動態詞表的對話生成研究 | PaperWeekly x 微軟亞洲研究院
Chatbot專題閱讀小組 | 每周一起讀 #08

TAG:知识图谱 | 自然语言处理 | chatbot |