面向大规模知识图谱的智能问答

课程价格: 0.00

支持花呗分期

自然语言是人类交流思想、表达情感最主要的方式,将成为实现人工智能最重要的支撑技术之一。但自然语言理解并不是一件容易的事情,自然语言具有的歧义性、非规范化、表达方式多样性等特点,是制约自然语言理解取得突破性进展的瓶颈。

近年来,深度学习在自然语言、图像、语音等领域都取得了显著的成绩。深度学习方法将自然语言理解与语义计算简化成端到端的“黑匣子”方式,忽视了知识引导在语义计算与深度理解上的关键作用。知识图谱作为结构化的显性知识,在语义表示、语义理解、语义推理、智能问答等语义计算任务中发挥着越来越重要的作用。

嘉宾介绍

周光有,华中师范大学教授、博导,中科院自动化所博士,主要研究领域:自然语言处理、智能问答、深度学习等。在ACL、CIKM、IJCAI、COLING、TKDE等国际顶级会议期刊上,以第一作者发表论文近20余篇,先后两次获得国际会议最佳论文奖。出版高等学校专业系列教材1部,获批国家发明专利11项、计算机软件著作登记10余项。主持国家和省部级以及横向研发项目10余项,并在智慧教育领域取得明显经济效益。

内容简要

(1)梳理知识图谱的发展脉络以及核心关键技术;

(2)基于知识图谱的智能问答:任务、方法、挑战,并以此介绍我们提出的基于深度融合模型的智能问答框架。

自然语言是人类交流思想、表达情感最主要的方式,将成为实现人工智能最重要的支撑技术之一。但自然语言理解并不是一件容易的事情,自然语言具有的歧义性、非规范化、表达方式多样性等特点,是制约自然语言理解取得突破性进展的瓶颈。

近年来,深度学习在自然语言、图像、语音等领域都取得了显著的成绩。深度学习方法将自然语言理解与语义计算简化成端到端的“黑匣子”方式,忽视了知识引导在语义计算与深度理解上的关键作用。知识图谱作为结构化的显性知识,在语义表示、语义理解、语义推理、智能问答等语义计算任务中发挥着越来越重要的作用。

嘉宾介绍

周光有,华中师范大学教授、博导,中科院自动化所博士,主要研究领域:自然语言处理、智能问答、深度学习等。在ACL、CIKM、IJCAI、COLING、TKDE等国际顶级会议期刊上,以第一作者发表论文近20余篇,先后两次获得国际会议最佳论文奖。出版高等学校专业系列教材1部,获批国家发明专利11项、计算机软件著作登记10余项。主持国家和省部级以及横向研发项目10余项,并在智慧教育领域取得明显经济效益。

内容简要

(1)梳理知识图谱的发展脉络以及核心关键技术;

(2)基于知识图谱的智能问答:任务、方法、挑战,并以此介绍我们提出的基于深度融合模型的智能问答框架。

  • 任务1: 【资料分享】知识图谱80篇精选论文集.zip
  • 任务2-1: 【课件】知识图谱与知识库问答.pdf
  • 任务2-2: 面向大规模知识图谱的智能问答 回放

相关推荐

自然语言处理 知识图谱 进阶