本周将门「自然语言处理(NLP)」微信交流群线上分享精彩继续!
本周我们邀请到的是Facebook Research Scientist王仲远博士,远在美国的他将会为我们分享“如何让机器像人类一样理解短文本”。
由于美国的时差和网络问题,本次分享的时间定在11月2日下午1点,直播改在展视互动平台上进行。限100位听众,先到先得。
活动信息
▼
主题:如何让机器像人类一样理解短文本
时间:11月2日(周三)下午1:00-2:00
地点:将门自然语言处理(NLP)微信交流群
嘉宾介绍
▼
王仲远
Facebook Research Scientist
加入Facebook前,王仲远博士是微软亚洲研究院的主管研究员,领导微软研究院的两个知识图谱项目Probase(即微软的概念知识图谱/Microsoft Concept Graph)和Enterprise Dictionary,以及一个人工智能助手项目Digtal Me。
他多年来专注于知识图谱及其在文本理解应用方面的研究,已在VLDB、ICDE、IJCAI、CIKM等国际顶级学术会议上发表论文20余篇,其中包括ICDE 2015最佳论文奖。
他也是国际自然语言顶级学术会议ACL 2016 Tutorial “Understanding Short Texts”的主讲人之一。目前已出版技术专著2本,另外即将出版专著《短文本数据理解》,拥有美国专利5项。他的研究兴趣包括:知识库系统、自然语言处理、深度学习、数据挖掘等。
分享提纲
▼
“本次分享的内容主要是我在微软亚洲研究院期间的研究成果,即如何通过常识性知识库系统来构建显性语义理解模型,从而使得机器能够像人类一样理解短文本,并最终改进现有搜索引擎、广告系统、聊天机器人等实际应用系统。”
——王仲远博士
分享内容主要为以下三个方面:
国际上主流知识库系统分类及现状。近些年来,各种知识库系统如雨后春笋般涌现。既有学术界发布的,也有工业界发布的。这部分会将这些知识库系统分为“常识性知识库系统”和“百科性知识库系统”,并加以介绍。
显性知识表示模型。相比于深度学习模型,基于知识库系统所构建的模型可以称之为显性知识表示模型。它会更加贴近于人类的思考过程。这部分会重点介绍一些模型的基本思想,并以实例加以解释。
具体应用介绍。知识库系统及模型最终是服务于应用的。这部分会分享一些在微软实际产品中使用显性知识表示模型,来改进各种应用的一些实例。
之后还将带来分享的嘉宾有
▼
11月10日
王昊奋 狗尾草智能科技(Gowild) CTO
面向特定任务和领域的知识图谱构建
11月16日
刘知远 清华大学自然语言处理实验室助理教授
表示学习与知识获取
11月24日
汪冠春 助理来也CEO
智能助理的NLP深度应用和商业化尝试
更多分享嘉宾持续邀请中...
欢迎自荐或推荐!
NLP群加入方式
▼
长按或扫描上方二维码,关注“将门创业”微信公众号(ID: thejiangmen),后台回复“NLP”,获得入群密钥。
-END-
将门创业
让创新获得认可!
微信:thejiangmen
service@thejiangmen.com