2018/05/19 12:36

INTERFACE#6：清华大学刘知远：在深度学习时代用HowNet搞事情

深度学习时代，传统 NLP 中的语言知识库是否就不再有用了呢？在最新一期的 INTERFACE 中，清华大学刘知远副教授将为我们介绍在深度学习模型中应用 HowNet 知识的探索和未来展望。

演讲主题：在深度学习时代用 HowNet 搞事情

演讲摘要：HowNet 是董振东、董强先生父子毕数十年之功标注的大型语言知识库，秉承还原论思想，认为词汇/词义可以用更小的语义单位来描述，这种语义单位被称为「义原」（Sememe），顾名思义就是原子语义，即最基本的、不宜再分割的最小语义单位。在不断标注的过程中，HowNet 逐渐构建出了一套精细的义原体系（约 2000 个义原）。进入深度学习时代，人们发现通过大规模文本数据就能很好地学习语义表示，取得比传统基于语言知识库的方法还好的效果。那么语言知识库是否就不再有用了呢？我们坚信，AI 未来的科学突破是建立一种同时基于知识和数据的 AI 系统。针对 NLP 深度学习模型的关键问题就在于，利用什么知识，怎样利用知识。这个报告将介绍我们在深度学习模型中应用 HowNet 知识的探索和未来展望。

个人简介

刘知远，清华大学计算机系副教授、博士生导师。主要研究方向为表示学习、知识图谱和社会计算。2011 年获得清华大学博士学位，已在 ACL、IJCAI、AAAI 等人工智能领域的著名国际期刊和会议发表相关论文 60 余篇，Google Scholar 统计引用超过 2100 次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖，入选中国科学青年人才托举工程、CCF-Intel 青年学者提升计划。担任中文信息学会青年工作委员会执委、副主任，中文信息学会社会媒体处理专委会委员、秘书，SCI 期刊 Frontiers of Computer Science 青年编委，ACL、COLING、IJCNLP 领域主席。

演讲时间：2018年5月26 日

14:00-14:30 签到
14:30-15:30 嘉宾分享
15:30-16:00 现场提问、交流

地点：北京市海淀区中关村鼎好 a 座三楼太库科技路演厅

报名链接：http://t.cn/R3K5byV

理论InterfaceNLP

相关技术

推理网络 OpenCV

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

知识库技术

知识库是用于知识管理的一种特殊的数据库，以便于有关领域知识的采集、整理以及提取。知识库中的知识源于领域专家，它是求解问题所需领域知识的集合，包括基本事实、规则和其它有关信息。

来源：维基百科

知识图谱技术

知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。

来源：机器之心