<optgroup id="6rfrw"></optgroup>
      1. <legend id="6rfrw"></legend>

          1. <optgroup id="6rfrw"></optgroup>
          2. <span id="6rfrw"><output id="6rfrw"><nav id="6rfrw"></nav></output></span>
          3. <optgroup id="6rfrw"></optgroup>

            <acronym id="6rfrw"></acronym>

            <optgroup id="6rfrw"><i id="6rfrw"><del id="6rfrw"></del></i></optgroup>
            1. <optgroup id="6rfrw"></optgroup>
              <optgroup id="6rfrw"><li id="6rfrw"></li></optgroup>
            2. 注冊


              在線注冊現已開放:http://123.57.230.127/ssatt2018/


              暑期學校暨講習班注冊費

              注冊及繳費日期

              注冊人員類別

              注冊費(人民幣)

              2018年7月15日及以前

              2018年7月20日及以前

              參加其中一期

              會員

              1700

              非會員

              2000

              兩期都參加

              會員

              3000

              非會員

              3400

              2018年7月16日及以后

              2018年7月21日及以后

              參加其中一期

              會員

              2000

              非會員

              2300

              兩期都參加

              會員

              3600

              非會員

              4000

              備注:中國中文信息學會會員費:學生會員60元/人/年;正式會員120元/人/年;參會學員食宿自理。

              優惠:已報名暑期學校的學員,如同時參加語言與智能高峰論壇,論壇注冊費在原標準優惠200元。



              講習班簡介


              深度學習研究如何通過監督學習、非監督學習、增強學習等手段,從大規模數據集中挖掘其內在結構,產生分布式表示,建立有效的多層神經網絡。深度學習是人工智能領域的前沿熱點,已在自然語言處理、計算機視覺、語音識別、計算機圍棋等任務取得了令人矚目的成績,獲得了學術界和工業界的廣泛關注。

              為進一步普及深度學習知識、促進自然語言處理技術發展、繁榮深度學習理論研究和工程開發,中國中文信息學會學術工作專委會定于2018年7月26日-27日,29日-30日,在北京語言大學舉辦中國中文信息學會前沿技術講習班(CIPS ATT),邀請來自研究第一線的知名青年專家學者系統講述面向自然語言處理的深度學習基礎知識、表示學習、深度學習與詞法、句法、語義分析、深度學習與機器翻譯等,為感興趣的學者、學生和工程師提供一個四天的學習交流機會,快速了解有關的基本概念、研究內容、發展趨勢、算法實現和開源工具。

              本次講習班包括兩期共四天的學習內容。第一期講授深度學習與文本分析,第二期講授深度學習新進展及其在自然語言處理中的應用


              日程安排


              ATT第八期:深度學習與文本分析

              7月26日

              08:30-09:00

              開幕式,合影

              09:00-12:00

              深度學習基礎[slides]

              邱錫鵬(復旦大學)

              12:00-14:00

              午餐,午間休息

              14:00-17:00

              語義表示學習[slides]

              劉知遠(清華大學)

              7月27日

              09:00-12:00

              深度學習與詞法句法語義分析[slides]

              車萬翔(哈爾濱工業大學)

              12:00-14:00

              午餐,午間休息

              14:00-15:20

              深度學習與機器翻譯[slides]

              張家?。ㄖ袊茖W院自動化研究所)

              15:40-17:00

              涂兆鵬(騰訊AI Lab)


              ATT第九期:深度學習新進展及其在自然語言處理中的應用

              7月29日

              09:00-12:00

              深度強化學習與GAN基礎[slides]

              俞揚(南京大學)

              12:00-14:00

              午餐,午間休息

              14:00-15:20

              信息檢索中的深度強化學習新進展[slides]

              徐君(中國科學院計算技術研究所)

              15:40-17:00

              龐亮(中國科學院計算技術研究所)

              7月30日

              09:00-12:00

              對話系統中的深度學習進展[slides]

              李紀為(香儂科技)

              12:00-14:00

              午餐,午間休息

              14:00-17:00

              知識圖譜中的深度學習新進展[slides]

              William Wang (University California, Santa Barbara)

              17:00-17:30

              結業儀式


              特邀講者


              本次講習班邀請了在自然語言處理領域較早開展深度學習研究并取得眾多成果的幾位青年學者講授深度學習理論知識,以及自然語言處理中的應用。按授課順序,他們包括:

              報告題目:深度學習基礎

              報告人: 邱錫鵬(復旦大學)

              個人主頁:http://nlp.fudan.edu.cn/xpqiu

              報告摘要:

              深度學習技術目前在學術界和工業界取得了廣泛的成功,并逐漸受到了高度重視。本報告主要梳理機器學習與深度學習的整體脈絡、主要模型、以及最新進展,使得聽眾可以掌握深度學習的基本原理,培養深度學習的思維模式,獨立規劃和開發AI項目。

              個人介紹:

              邱錫鵬,復旦大學計算機科學技術學院 副教授,博士生導師,于復旦大學獲得理學學士和博士學位。中國中文信息學會青年工作委員會執委、計算語言學專委會委員、中國人工智能學會青年工作委員會常務委員、自然語言理解專委會委員。主要研究領域包括人工智能、機器學習、深度學習、自然語言處理等,并且在上述領域的頂級期刊、會議(ACL/EMNLP/IJCAI/AAAI等)上發表過50余篇論文。自然語言處理開源工具FudanNLP作者,2015年入選首屆中國科協青年人才托舉工程,2017年ACL杰出論文獎。


              報告題目:語義表示學習

              報告人: 劉知遠(清華大學)

              個人主頁: http://nlp.csai.tsinghua.edu.cn/~lzy

              報告摘要:

              分布式表示(Distributed Representation)是深度學習的基本特征,對計算機視覺、自然語言處理和語音識別等無結構信息的處理,發揮了重要作用。本講講主要講授面向自然語言處理的語義表示學習的基本原理與技術,介紹面向漢字、詞匯、短語、知識和網絡等研究對象的語義表示學習的基本思想,并展望在該方向的主要挑戰與前沿方向。

              個人介紹:

              劉知遠,清華大學計算機系副教授、博士生導師。主要研究方向為表示學習、知識圖譜和社會計算。2011年獲得清華大學博士學位,已在ACL、IJCAI、AAAI等人工智能領域的著名國際期刊和會議發表相關論文60余篇,Google Scholar統計引用超過2700次。承擔多項國家自然科學基金。曾獲清華大學優秀博士學位論文、中國人工智能學會優秀博士學位論文、清華大學優秀博士后、中文信息學會青年創新獎,入選中國科學青年人才托舉工程、CCF-Intel青年學者提升計劃。擔任中文信息學會青年工作委員會執委、副主任,中文信息學會社會媒體處理專委會委員、秘書,SCI期刊Frontiers of Computer Science青年編委,ACL、COLING、IJCNLP領域主席。


              報告題目:深度學習與詞法、句法、語義分析

              報告人: 車萬翔(哈爾濱工業大學)

              個人主頁: http://ir.hit.edu.cn/~car/

              報告摘要:

              詞法、句法和語義分析是自然語言處理的基礎研究任務,這些任務可以統一抽象為結構預測問題。與分類問題不同,結構預測中的輸出類別很多是相互關聯的,此類任務往往是自然語言處理獨有的。如何使用深度學習技術進行結構學習是目前自然語言處理領域的熱點研究問題之一。本講習班將以詞法分析(分詞、詞性標注)、句法分析(依存句法分析、短語結構句法分析)和語義分析(語義角色標注、 語義依存分析)為例,介紹基于深度學習的結構預測方面的最新研究進展。首先,介紹基本的使用貪婪搜索進行結構預測的方法;接著,介紹基于動態規劃等全局搜索的方法,與前一種方法一樣,它們都使用深度學習的方法學習特征的表示;最后,介紹如何在學習的過程中使用全局搜索方法,進一步提高系統的準確率。

              個人介紹:

              車萬翔博士,哈爾濱工業大學計算機學院教授,博士生導師,斯坦福大學訪問學者,合作導師Christopher Manning教授?,F任中國中文信息學會計算語言學專業委員會委員、青年工作委員會副主任;中國計算機學會高級會員、曾任YOCSEF哈爾濱主席(2016-2017年度)。在ACL、EMNLP、AAAI、IJCAI等國內外高水平期刊和會議上發表學術論文50余篇,其中AAAI 2013年的文章獲得了Outstanding Paper Honorable Mention獎,出版教材 2 部,譯著 2 部。目前承擔國家自然科學基金、973等多項科研項目。負責研發的語言技術平臺(LTP)已被600余家單位共享,提供的在線“語言云”服務已有用戶1萬余人,并授權給百度、騰訊、華為等公司使用。2009年,獲CoNLL國際多語種句法和語義分析評測中第一名。2015-16年,連續兩年獲Google Focused Research Award(谷歌專注研究獎);2016年,獲黑龍江省科技進步一等獎(排名第2);2012年,獲黑龍江省技術發明獎二等獎(排名第2);2010年獲中國中文信息學會“錢偉長”中文信息處理科學技術獎一等獎(排名第2)、首屆漢王青年創新獎(個人)等多項獎勵。2017年,所主講的《Python語言程序設計》課程獲國家精品在線開放課程。


              報告題目:深度學習與機器翻譯

              報告人: 張家?。ㄖ袊茖W院自動化研究所)

              個人主頁: http://www.nlpr.ia.ac.cn/cip/jjzhang.htm

              報告人: 涂兆鵬(騰訊AI Lab)

              個人主頁: http://www.zptu.net

              報告摘要:

              近年來,基于端到端的神經機器翻譯逐漸取代統計機器翻譯,成為新的研究范式。循環神經網絡、卷積神經網絡以及自我注意機制等框架相繼被提出,并不斷刷新譯文質量的最高水平。無論學術研究、系統評測還是工業界系統實現,無一例外都采用神經機器翻譯作為基線系統。本次講習班希望從基礎到前沿,給大家詳細介紹神經機器翻譯。首先,我們從統計機器翻譯的不足之處引入神經機器翻譯,介紹基于注意機制的編碼-解碼基本框架、基于卷積神經網絡的模型以及自我注意模型。然后,簡單介紹統計方法與深度學習方法融合的研究工作。最后,我們深度探討各種神經機器翻譯的模型優化方法。

              個人介紹:

              張家俊,博士,中科院自動化所模式識別國家重點實驗室副研究員、中國中文信息學會青年工作委員會執委。研究方向為自然語言處理、機器翻譯、跨語言文本信息處理、深度學習等。在國際著名期刊IEEE/ACM TASLP、IEEE Intelligent Systems、ACM TALLIP與國際頂級會議AAAI、IJCAI、ACL、EMNLP、COLING等發表學術論文50余篇。曾四次獲得自然語言處理學術會議(PACLIC-2009、NLPCC-2012、CWMT-2014和NLPCC-2017)最佳論文獎。被評為2015年ACL-IJCNLP和2018年NAACL的杰出審稿人(Outstanding Reviewer)。2014年獲中國中文信息學會“錢偉長中文信息處理科學技術獎”一等獎(排名第三)。2015年入選首屆中國科協“青年人才托舉工程”計劃。擔任國際人工智能大會IJCAI-2017、IJCAI-2018和AAAI-2019的高級程序委員會委員、國際自然語言處理大會COLING-2018的領域主席以及2018年全國機器翻譯研討會CWMT-2018的程序委員會共同主席。

              涂兆鵬,博士,騰訊AI Lab高級研究員,主要從事自然語言處理和深度學習方面的研究。在ACL, TACL, EMNLP, AAAI, IJCAI等國際頂級會議和期刊發表論文三十余篇,長期擔任CL, ACL, EMNLP等國際頂級期刊和會議的審稿人,并擔任EMNLP2018機器翻譯領域主席和AAAI2019高級程序委員會委員。


              報告題目:深度強化學習與GAN基礎

              報告人: 俞揚(南京大學)

              個人主頁: http://lamda.nju.edu.cn/yuy/

              報告摘要:

              報告摘要:強化學習旨在賦予機器自主適應環境的能力,近年來與深度學習的結合,使得強化學習在視覺游戲、圍棋等領域中顯示出重要作用。本次報告將介紹強化學習基礎、深度強化學習的一些研究進展,并且討論深度強化學習樣本效率低的困境。本次報告還將介紹緩解樣本效率低的一條途徑,即模仿學習,并介紹對抗生成網絡基礎,以及在模仿學習中的使用。

              個人介紹:

              俞揚,博士,南京大學副教授。主要研究領域為機器學習、強化學習。獲得南京大學計算機科學與技術系學士學位和博士學位,博士學位論文被評為全國優秀博士學位論文、CCF優秀博士學位論文。2011年8月加入南京大學計算機科學與技術系、機器學習與數據挖掘研究所(LAMDA)從事教學與科研工作。研究工作發表在Artificial Intelligence、IJCAI、AAAI、NIPS、KDD等,受邀在IJCAI 2018做Early Career Spotlight報告,入選2018年IEEE Intelligent Systems雜志AI'10 to Watch,獲2018年PAKDD Early Career Award。


              報告題目:信息檢索中的深度強化學習新進展

              報告人: 徐君(中國科學院計算技術研究所)

              個人主頁: http://www.bigdatalab.ac.cn/~junxu/index_cn.html

              報告人: 龐亮(中國科學院計算技術研究所)

              個人主頁: http://www.intsci.ac.cn/users/pangliang/index.html

              報告摘要:

              在信息檢索中,查詢-文檔的匹配和候選文檔的排序是影響檢索性能的關鍵因素,傳統的機器學習技術已經被用于解決匹配和排序問題,稱為"匹配學習"和"排序學習"。近年來,得益于其強大的表達學習、模式發現以及交互建模能力,深度學習和強化學習技術被逐步地被應用于信息檢索中并顯著地提升了匹配和排序的性能。本次講習班將介紹深度學習和強化學習在信息檢索中的應用進展,具體而言,在匹配方面,我們將從解決查詢-文檔間語義鴻溝的角度出發,系統介紹深度語義匹配模型;在排序方面,我們將分析用戶與檢索系統間的不同交互模式,介紹強化學習在復雜排序任務中的研究進展。

              個人介紹:

              徐君,博士,中科院計算所網絡數據科學與技術實驗室研究員,博士生導師,研究方向為互聯網搜索和大數據分析。在國際期刊JMLR、TOIS、TIST、IRJ與國際會議SIGIR、WWW、CIKM、AAAI、IJCAI等發表學術論文50余篇。獲得AIRS 2010最佳論文和CIKM 2017亞軍最佳論文獎,被提名SIGIR 2017和2018 Test of Time Award。擔任SIGIR、TheWebConf (WWW)、AAAI和ACML等國際會議的高級程序委員會委員,擔任全國計算語言學會議CCL 2018領域主席,任期刊JASIST的編委成員。

              龐亮,博士,中科院計算所網絡數據科學與技術實驗室助理研究員,研究方向為自然語言理解和深度學習。在AAAI, IJCAI, SIGIR, CIKM等國際會議發表過論文。主要從事自然語言處理和深度學習方面的研究。擔任TIST,ACML,CCL等期刊和會議的審稿人。曾獲微軟亞洲研究院"明日之星"稱號。提出的深度文本匹配模型在Kaggle Quora Question Pair文本匹配比賽中獲得全球第四,曾獲RecSys2013: Yelp Business Rating Prediction第一名,2016 Bytecup競賽第一名,以及許多機器學習與大數據比賽的前十名次。以主講人身份參加阿里巴巴、騰訊、知乎、今日頭條等公司的深度學習相關技術報告。


              報告題目:對話系統中的深度學習進展

              報告人: 李紀為 (香儂科技)

              報告摘要:

              深度學習為開放域對話系統帶來了同樣的機遇和挑戰。在本次報告中,我將先介紹對話系統的歷史,然后講從5個方面討論我們如何應對這個挑戰:(1)如何產生有意思、有信息量的回復(2)如何利用上下文產生更確切的回復(3)如何保持談話的一致性(4)如何運用強化學習、對抗學習產生更持久的對話(5)如何給機器賦予提問的能力。最后我們將展望一下未來幾年對話系統的發展。

              個人介紹:

              李紀為,博士,香儂科技創始人&CEO。斯坦福大學歷史上第一位三年畢業的計算機博士。在ACL、EMNLP、ICLR、NAACL、WWW等頂級會議期刊以第一作者身份發表文章20余篇。在劍橋大學學者Marek Rei發布的自然語言處理 頂級會議作者統計中,李紀為以14 篇頂級會議論文第一作者的數據排名第一。他是2015年Facebook獎學金、2016年百度獎學金的獲得者。


              報告題目:Recent Advances in Knowledge Graph Construction and Reasoning

              報告人: William Wang (UCSB)

              個人主頁: http://www.cs.ucsb.edu/~william/

              報告摘要:

              A key challenge in modern Natural Language Processing research is on developing weakly-supervised methods for extracting knowledge from unstructured text data. Once we have partially complete and noisy knowledge graphs, how to teach machines to learn to reason and complete the extracted knowledge graph is also another major challenge. In this tutorial, we will provide a gentle introduction to three important topics in this area:
              Part I: Distantly-Supervised Relation Extraction. In the first part, we will introduce the classic literature on distant supervision relation extraction, as well as recent advances in neural relation extraction. We will discuss our recent efforts on reinforcement learning and adversarial learning for robust distant supervision.
              Part II: Recent Advances in Knowledge Graph Embedding. In the second part, we shift focus and discuss the recent advances in various embedding methods for knowledge graph representation learning with a focus on KBGAN and adversarial learning.
              Part III: Knowledge Graph Reasoning. Finally, we describe recent advances in knowledge base reasoning. We start with the gentle introduction to the literature, focusing on path-based methods. We then describe DeepPath, a recent attempt at using deep reinforcement learning to combine the best of both worlds for knowledge base reasoning. We will also discuss DIVA, a principled variational framework for integrating path-finding and path-reasoning.

              個人介紹:

              William Wang is the Director of UC Santa Barbara’s Natural Language Processing group (http://nlp.cs.ucsb.edu/) and an Assistant Professor in the Department of Computer Science at the University of California, Santa Barbara. He received his PhD from School of Computer Science, Carnegie Mellon University. He has broad interests in machine learning approaches to data science, including statistical relational learning, information extraction, computational social science, speech, and vision. He has published more than 50 papers at leading NLP/AI/ML conferences and journals, and received best paper awards (or nominations) at ASRU 2013, CIKM 2013, and EMNLP 2015, a best reviewer award at NAACL 2015, an IBM Faculty Award in 2017, a Facebook Research Award in 2018, an Adobe Research Award in 2018, and the Richard King Mellon Presidential Fellowship in 2011. He served an Area Chair for NAACL, ACL, EMNLP, and AAAI. He is an alumnus of Columbia University, and a former research scientist intern of Yahoo! Labs, Microsoft Research Redmond, and University of Southern California. In addition to research, William enjoys writing scientific articles that impact the broader online community: his microblog @王威廉 has 100,000+ followers and more than 2,000,000 views each month. His work and opinions appear at major tech media outlets such as Wired, VICE, Fast Company, and Mental Floss. He is one of the most prolific NLP authors in 2018, with 11 papers published at ACL and NAACL.


              組織信息


              大會主席:

              • 馬少平 清華大學
              • 孫 樂 中國科學院軟件研究所

              學術主席:

              劉康,博士,現任中科院自動化所模式識別國家重點實驗室副研究員,西安電子科技大學客座教授。研究領域包括信息抽取、網絡挖掘、問答系統等,同時也涉及模式識別與機器學習方面的基礎研究。在自然語言處理、知識工程等領域國際重要會議和期刊發表論文六十余篇(如TKDE、ACL、IJCAI、EMNLP、COLING、CIKM等),獲得KDD CUP 2011 Track2 全球亞軍,COLING 2014最佳論文獎,首屆“CCF-騰訊犀牛鳥基金卓越獎”、2014年度中國中文信息學會“錢偉長中文信息處理科學技術獎-漢王青年創新一等獎”、2015、2016 Google Focused Research Award等。

              韓先培,博士,中國科學院軟件研究所計算機科學國家重點實驗室/中文信息處理研究室副研究員。主要研究方向是信息抽取、知識庫構建、語義計算以及智能問答系統。在ACL、SIGIR、AAAI、EMNLP等重要國際會議發表論文40余篇,論文被引900余次。韓先培是中國中文信息學會理事,中國中文信息學會語言與知識計算專業委員會副主任,中國科學院青促會會員。于2016年入選中國科協青年人才托舉計劃,同年獲得中國中文信息學會漢王青年創新獎。

              組織委員會主席:

              • 于東 北京語言大學
              精品国产免费第一区二区三区,国产精品无需播放器在线观看,国产精品一区第二页,中文字幕网