报告华体会网页版登陆入口：2022年09月03日14:30
线下报告地点：中南大学校本部计算机楼313学术会议室
在线直播地址：https://live.yanxishe.com/room/1003
腾讯会议：624-185-248
报告1题目： 语言与理解
报告摘要：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处理能力远逊于人类。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。本讲座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、自然语言理解核心任务、语言理解=篇章理解+知识图谱。
讲者简介：周国栋，博士，教授（二级），博导，苏州大学自然语言处理实验室主任。研究方向：人工智能、自然语言理解、自然语言认知。近5年发表SCI和CCF A/B类会议论文80多篇，主持NSFC项目4个(包括重点项目2个)和国家重点研发项目课题1个。据Google Scholar统计，论文引用11000多次。目前担任ACM TALLIP副主编、《软件学报》责任编委、CCF理事、CCF自然语言处理专委会主任、CAAI常务理事、CAAI自然语言理解专委会副主任委员、CIPS理事。
报告2题目：大模型背景下的可信自然语言理解理解
报告摘要：当前，以BERT、GPT为代表的、数据驱动的大规模预训练自然语言理解模型已经在多个自然语言理解任务上面取得了令人印象深刻的性能，成为自然语言理解的新范式。然而，当前大模型给出的自然语言处理结果仍然没有达到可信的程度，这主要体现在三个方面：模型的稳定性差、可解释性弱、泛化能力不足。本次报告介绍如何在大模型背景下进行可信自然语言理解的问题。首先，为了解决大模型稳定性差的问题，本次报告介绍因果机制引导的稳定自然语言理解方法。其次，为了解决大模型可解释性弱的问题，本次报告介绍基于神经符号的可解释自然语言理解方法。最后，为了解决大模型泛化性不足的问题，本次报告介绍面向低资源的可泛化大模型训练架构。
讲者简介： 丁效，哈尔滨工业大学副研究员，博士生导师。主要研究方向为人工智能、自然语言处理、认知推理和事理图谱。在ACL、AAAI、IJCAI、EMNLP、TASLP等人工智能领域的著名国际期刊和会议上发表相关论文40余篇。承担国家自然科学基金面上项目等多项省部级以上项目，参与国家重大科技基础设施建设项目（大科学工程装置建设）、“新一代人工智能”重大项目、国家自然科学基金重点项目等多个科研项目。荣获黑龙江省科技进步二等奖、SemEval 2020国际语义评测“检测反事实陈述”任务第一名，入选2022年AI 2000全球人工智能最具影响力学者（AMiner评选）。担任中文信息处理黑龙江省重点实验室副主任，中国中文信息学会社会媒体处理专委会常务委员，语言与知识计算专委会委员，中国中文信息学会青年工作委员会委员。
报告题目：隐喻与感觉：文本隐喻与通感现象检测
报告摘要：隐喻(Metaphor)是和明喻不同，没有明确的比喻词，而是进行隐藏的比较的一种修辞手段。文本隐喻检测是指从文本中自动发现存在的隐喻现象。由于隐喻没有明确的触发词，语言现象表达较为复杂，目前的相关研究还比较初步。通感（Synesthesia）是指隐喻中表达的感觉与单词原始感觉不同的现象。对于通感现象的检测除了需要从文本角度出发外，还需要结合认知科学，分析不同感觉之间的关联关系。本报告将从隐喻检测主要使用的语料库，和目前最新的检测方法，以及通感现象检测最新的研究成果等几方面进行阐述。
讲者简介：王中卿，苏州大学计算机科学与技术学院副教授，硕士生导师。主要研究领域为自然语言处理，信息抽取等。在人工智能与自然语言处理顶级会议与期刊上（CCF-A/B）以第一或通讯作者发表论文三十余篇。目前主持与参与国家自然科学基金多项。担任IJCAI-2021，AAAI-2022，EMNLP-2021，COLING-2022等国际会议的高级程序委员或领域主席。
