大家關(guān)注已久的“CCF-NLP走進(jìn)高?！毕盗懈咝LP研究分享報告會第三期，11月8日 18:30-21:35精彩繼續(xù)！為了促進(jìn)更多師生對自然語言處理前沿進(jìn)展的了解，幫助在校計算機及相關(guān)專業(yè)大學(xué)生成長和發(fā)展，CCF-NLP致力于讓領(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。自然語言處理專委會為此將舉辦一系列 CCF-NLP走進(jìn)高校系列活動。 在“CCF-NLP走進(jìn)高?！鼻皟善冢鹤哌M(jìn)“華南理工大學(xué)”和走進(jìn)“鄭州大學(xué)”的分享會上，專家們圍繞自然語言處理做了精彩報告，在AI研習(xí)社、Bilibili等平臺上觀看超過8萬人次，報告會反響熱烈。CCF-NLP走進(jìn)華南理工大學(xué)：https://www.yanxishe.com/blogDetail/20930CCF-NLP走進(jìn)鄭州大學(xué)：https://www.yanxishe.com/blogDetail/2143011月8日“CCF-NLP走進(jìn)高?！钡谌趯⒆哌M(jìn)美麗的“河北科技大學(xué)”，為同學(xué)們帶來NLP領(lǐng)域最前沿的研究成果和未來發(fā)展趨勢。本次活動邀請到三位NLP領(lǐng)域的資深權(quán)威學(xué)者，分別是：· 南京大學(xué)計算機科學(xué)與技術(shù)系副教授-黃書劍· 浙江大學(xué)計算機學(xué)院副教授-趙洲嘉賓們將圍繞機器翻譯中的注意力機制及其控制、非自回歸多模態(tài)翻譯、對話系統(tǒng)的兩個挑戰(zhàn)三大主題展開分享，為同學(xué)們接觸NLP前沿資訊提供新穎的解讀視角。本期活動由中國計算機學(xué)會自然語言處理專業(yè)委員會（CCF-NLP）主辦，河北科技大學(xué)、AI研習(xí)社聯(lián)合承辦，AI科技評論和機器學(xué)習(xí)算法與自然語言處理作為戰(zhàn)略媒體，活動將結(jié)合線上直播分享和河北科技大學(xué)線下分享方式舉行。AI研習(xí)社直播地址：https://www.yanxishe.com/events/ccf-nlp-hduB站直播地址：http://live.bilibili.com/2249483103 / 分享主題：機器翻譯中的注意力機制及其控制
分享環(huán)節(jié)：40分鐘主題分享+10分鐘互動問答深度學(xué)習(xí)方法在機器翻譯和自然語言處理中取得了巨大的成功。注意力機制通過參數(shù)的自動學(xué)習(xí)進(jìn)行有選擇的信息獲取，在復(fù)雜任務(wù)的學(xué)習(xí)過程中起到了非常重要的作用。本次報告簡單介紹注意力機制，以及本實驗室三個與注意力機制相關(guān)的工作，分別關(guān)注于注意力機制和位置建模的關(guān)系、多注意力頭控制對翻譯的影響以及篇章機器翻譯中的注意力。相關(guān)論文發(fā)表于ACM/IEEE TASLP、AAAI2020和IJCAI2020上。分享環(huán)節(jié)：40分鐘主題分享+10分鐘互動問答多模態(tài)翻譯任務(wù)是指在不同模態(tài)的數(shù)據(jù)（包括文本、語音、圖像或視頻等）之間進(jìn)行互相轉(zhuǎn)化的任務(wù)，例如：語音合成、語音識別和唇語識別等，它們旨在通過機器學(xué)習(xí)或深度學(xué)習(xí)的方法理解源模態(tài)信息并生成目標(biāo)模態(tài)數(shù)據(jù)。當(dāng)前，多模態(tài)翻譯具有以下挑戰(zhàn)：1、不同模態(tài)數(shù)據(jù)之間通常具有語意（信息量）差異，例如：在語音合成中，語音比文本包含更多的韻律和情感信息，而在唇語識別中，文本比視頻包含更明確和清晰的語音信息，這使得多模態(tài)翻譯模型具有預(yù)測和填補缺失的信息的能力；2、不同模態(tài)數(shù)據(jù)之間通常具有長度差異，例如：語音和視頻的序列通常會比文本長得多，因此多模態(tài)翻譯模型需要解決數(shù)據(jù)之間長度不匹配問題，并找到其中的映射關(guān)系。針對以上挑戰(zhàn)，最近的工作提出了一些較為有效的解決思路：基于編碼器-解碼器的序列生成自回歸模型、基于時長預(yù)測模型和脈沖神經(jīng)網(wǎng)絡(luò)的非自回歸架構(gòu)均可以較好地預(yù)測和填補缺失的信息，并解決長度不匹配問題。本報告將首先介紹當(dāng)今主流的多模態(tài)翻譯任務(wù)，然后介紹幾個具有啟發(fā)意義的多模態(tài)翻譯工作，最后對未來可能的研究方向進(jìn)行思考與展望。05 / 分享主題：對話系統(tǒng)的兩個挑戰(zhàn)
分享環(huán)節(jié)：40分鐘主題分享+10分鐘互動問答對話系統(tǒng)是自然語言處理的重要應(yīng)用之一，近兩年隨著深度學(xué)習(xí)技術(shù)的進(jìn)步而受到越來越多關(guān)注。然而，實際應(yīng)用的對話系統(tǒng)，包括閑聊對話和任務(wù)對話都面臨著許多尚未解決的挑戰(zhàn)。在這次報告中，我將介紹兩個具體挑戰(zhàn)和實驗室的初步研究。具體而言，對于閑聊對話，社會常識和場景的識別具有重要意義，只有理解對話情境，才能做出有理有據(jù)地回答。然而，當(dāng)前的閑聊對話系統(tǒng)對社會常識少有探討。我們近期和微軟亞洲研究院合作，標(biāo)注了一套相關(guān)數(shù)據(jù)及，并且對上下文表示進(jìn)行了初步測試。對于任務(wù)對話，當(dāng)前方法采用端到端的機器學(xué)習(xí)策略，從手工標(biāo)注中識別特定領(lǐng)域的對話狀態(tài)。然而，世界上應(yīng)用領(lǐng)域繁多而層出不窮，手工標(biāo)注過程復(fù)雜，質(zhì)量難以保證。我們嘗試研究利用隱變量深度學(xué)習(xí)，自動探究客服對話記錄中所隱藏的用戶意圖和對話狀態(tài)，對這個挑戰(zhàn)進(jìn)行了開始嘗試。河北科技大學(xué)信息科學(xué)與工程學(xué)院院長南京大學(xué)計算機科學(xué)與技術(shù)系副教授，博導(dǎo)浙江大學(xué)計算機學(xué)院副教授，博導(dǎo)進(jìn)群獲取更多信息
請掃描下方二維碼進(jìn)入交流群
群滿，需入群請?zhí)砑又侄S碼
本期活動為CCF-NLP走進(jìn)高校系列分享活動第三期，第四期將在11月29日，走進(jìn)“新疆大學(xué)”，敬請期待~更多分享信息請持續(xù)關(guān)注AI科技評論。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
