题目: 自然语言与理解

摘要: 虽然自然语言一直在社会、经济和国家安全等领域中扮演着重要角色,但是一直以来计算机的自然语言理解能力远逊于人类。近几年,随着移动互联网的不断普及,以及云计算、大数据、GPU、深度学习等相关平台和技术的快速发展,我们越来越感到自然语言处理方面的突破就在眼前。本报告将从自然语言理解层面探讨如何提高自然语言处理能力。具体包括:自然语言本质特点、自然语言处理核心任务、篇章理解与知识图谱。

个人简介: 周国栋教授,1997年12月毕业于新加坡国立大学获得博士学位;1998年1月至1999年3月在新加坡国立大学从事博士后研究;1999年4月-2006年8月在新加坡资讯通信研究院分别担任副研究员、研究员和副主任研究员;2006年8月底加入苏州大学担任教授博导,组建自然语言处理实验室。研究方向:自然语言理解、信息抽取、自然语言认知等。近5年来,发表国际著名SCI期刊论文20多篇和国际顶级会议ACL/EMNLP/COLING/IJCAI/AAAI论文80多篇,主持NSFC项目4个(包括重点项目2个)。据Google Scholar统计,论文引用超过7000次,曾担任国际自然语言理解领域顶级SCI期刊Computational Linguistics编委,目前担任ACM TALLIP副主编、《软件学报》责任编委、CCF中文信息技术专委会副主任委员、苏州大学学术委员会委员。

成为VIP会员查看完整内容
62

相关内容

知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。 知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【北大】知识图谱的关键技术及其智能应用
专知
112+阅读 · 2019年9月19日
CCAI 2019|视觉语音语言多模态论坛嘉宾介绍
中国人工智能学会
12+阅读 · 2019年9月3日
CAAI-AIDL 第六期《自然语言处理》丨 京东何晓冬,清华大学唐杰
中国人工智能学会
10+阅读 · 2018年12月16日
报名 | 知识图谱前沿技术课程(苏州大学站)
PaperWeekly
12+阅读 · 2017年11月27日
Arxiv
9+阅读 · 2020年2月15日
Arxiv
4+阅读 · 2019年9月5日
Arxiv
6+阅读 · 2018年3月27日
Arxiv
9+阅读 · 2016年10月27日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员