声明: 本文转载自公众号 中国中文信息学会。
编者按：近日，
第十四届中国中文信息学会暑期学校暨中国中文信息学会《前沿技术讲习班》第十三期和第十四期在北京西郊宾馆举行。哈尔滨工业大学社会计算与信息检索研究中心
张伟男副教授担任本次讲习班的学术主席并
作题为《任务型对话系统》的报告，哈工大SCIR博士生、科大讯飞资深研究员崔一鸣作题为《基于深度学习的机器阅读理解》的报告。
2019年7月12-15日，第十四届中国中文信息学会暑期学校暨中国中文信息学会《前沿技术讲习班》第十三期和第十四期在北京西郊宾馆举行。讲习班由中国中文信息学会和中国中文信息学会学术工作委员会主办，北京语言大学承办。本次讲习班主题分别为：深度学习、问答、对话的基础知识以及最前沿的相关算法。讲习班吸引了来自全国各高校及科研院所的专家、学者、学生、产业界研发人员等近400人。
中国中文信息学会学术工委主任、清华大学马少平教授，中国中文信息学会副理事长兼秘书长、中国科学院软件研究所孙乐研究员担任本次讲习班的主席；复旦大学张奇教授、哈尔滨工业大学张伟男副教授担任学术主席；北京语言大学于东副教授担任组织委员会主席。
本次讲习班邀请了复旦大学邱锡鹏副教授、中国科学院软件所韩先培研究员、陈波助理研究员、西湖大学张岳副教授、科大讯飞崔一鸣研究员、微软亚洲研究院唐都钰研究员、段楠研究员、哈尔滨工业大学车万翔教授、张伟男副教授、北京大学严睿助理教授在不同的领域作了系统深入的讲解，并对深度学习及各领域的应用提出了未来的研究方向。
![]()
中国中文信息学会副理事长兼秘书长孙乐研究员在开幕式上致辞
![]()
复旦大学张奇教授在开幕式上致辞
![]()
北京语言大学饶高琦老师主持开幕式
邱锡鹏副教授作题为《面向自然语言处理的深度学习基础》的报告，本报告主要介绍在自然语言处理中使得的深度学习基础知识，具体内容分为两部分：（1）理论部分：深度学习的基础知识、主要模型（卷积神经网络、循环神经网络、注意力机制等）以及将这些模型应用到具体的自然语言处理任务上；（2）实践部分：通过文本分类、序列标注、文本生成为例来讲述如何实现具体的自然语言处理模型。
![]()
邱锡鹏副教授作题为《面向自然语言处理的深度学习基础》的报告
![]()
复旦大学在读博士颜航讲解实践部分
韩先培研究员和陈波助理研究员作题为《开放域语义解析》的报告，本报告主要介绍语义解析这项任务，首先介绍语义解析任务、数据集和工具，然后依次介绍基于文法的语义解析方法（CCG，DCS等）、基于语义图构建的语义解析方法和新兴的神经语义解析方法（Seq2Seq, Seq2Act, coarse-to-fine等），最后对语义解析的前沿方向和重要挑战进行展望，包括上下文有关的语义解析（可用于对话），与周边环境有交互的语义解析（如用于机器人执行指令）。
![]()
韩先培研究员作题为《开放域语义解析》的报告
![]()
陈波助理研究员作题为《开放域语义解析》的报告
张岳副教授作题为《图神经网络在自然语言处理中的应用》的报告，本报告主要总结图神经网络的两种基本模式，即卷积图神经网络和循环图神经网络，并且讨论他们在自然语言处理中的应用。具体任务包括语义理解、信息抽取和问答等，然后给出了图神经网络在自然语言处理中得到一系列研究。
![]()
张岳副教授作题为《图神经网络在自然语言处理中的应用》的报告
崔一鸣研究员作题为《基于深度学习的机器阅读理解》的报告，聚焦基于深度学习的机器阅读理解，涵盖了目前主流的机器阅读理解任务，包括：填空型阅读理解、篇章抽取型阅读理解、选择型阅读理解、对话型阅读理解、开放域阅读理解等。接着对每个任务具有代表性的数据集和经典模型进行详细介绍，并同步介绍相关中文机器阅读理解的研究发展。最后剖析近期机器阅读理解领域的研究热点，并且对未来的发展方向进行展望。
![]()
崔一鸣研究员作题为《基于深度学习的机器阅读理解》的报告
唐都钰和段楠研究员作题为《问答系统》的报告，他们报告将覆盖多种不同类型的问答系统和方法：首先，介绍基于表格的问答系统，包括面向表格的检索、语义解析、问题生成以及如何从单轮问答扩展到多轮问答；然后介绍基于知识图谱的问答系统，并将重点放在对话式多轮问答，包括多轮语义解析框架以及如何融合检索模型和元学习；接下来，介绍基于图片的问答系统，并将重点放在如何将语义解析方法融合到图片问答系统中；最后介绍基于文本的问答系统。他们也和大家讨论分享与问答相关的未来(可能)研究课题和方向。
![]()
唐都钰研究员作题为《问答系统》的报告
![]()
段楠研究员作题为《问答系统》的报告
张伟男副教授作题为《任务型对话系统》的报告，主要介绍任务型对话系统，其多用于垂直领域业务助理系统，如微软小娜、百度度秘、阿里小蜜以及我们研发的对话技术平台（DTP）等。这类系统具有明确需要完成的任务目标，如订餐、订票等。在该报告中张老师首先介绍任务型对话系统的背景和定义，然后介绍了其中的关键技术，包括自然语言理解（包括领域意图的识别和语义槽的填充）、对话管理（包括对话状态跟踪和对话策略优化）以及自然语言生成；接着又介绍任务型对话系统的评价方法和国内外相关技术评测任务；最后对任务型对话系统的技术和应用趋势进行展望。
![]()
张伟男副教授作题为《任务型对话系统》的报告
严睿助理教授作题为《人工智能在人机对话系统中的技术现状与挑战》的报告，在该报告中严老师首先回顾人机对话的发展历程，以及随着深度学习技术盛行之后，由数据驱动模型带来的革命性改变；然后从人机对话的已有应用出发，再分析现有对话系统的不足，展望下一代人机对话系统的挑战；同时分享了他们组在人机对话研究所做的努力与探索，以及相应的代表性成果。
![]()
严睿助理教授作题为《人工智能在人机对话系统中的技术现状与挑战》的报告
7月15日下午，本届讲习班顺利闭幕，讲习班学术主席之一、哈尔滨工业大学张伟男副教授代表组委会致闭幕词。历届暑期学校均获得广大师生的普遍好评，也为自然语言技术的人才培养和技术推广做出了卓越贡献。数以千计的学子在暑期学校中得到了来自国内外著名高校和科研机构知名学者的当面指导，受益匪浅。
本期责任编辑：崔一鸣
本期编辑：李照鹏
“哈工大SCIR”公众号
主编：车万翔
副主编：张伟男，丁效
执行编辑：李家琦
责任编辑：张伟男，丁效，崔一鸣，李忠阳
编辑：赖勇魁，王若珂，李照鹏，冯梓娴，顾宇轩
长按下图并点击 “识别图中二维码”，即可关注哈尔滨工业大学社会计算与信息检索研究中心微信公众号：”哈工大SCIR” 。
![]()
