· 智源学者

中科院自动化所副研究员,他在知识图谱领域取得了突出成果。是COLING 2014最佳论文获得者;中国中文信息学会“汉王青年创新奖”一等奖获得者;优秀青年基金项目获得者。

 

拟研究方向:基于神经符号学习的大规模知识获取与深度问答关键技术研究

 

面向开放域的大规模知识获取与深度问答任务,以神经符号学习为技术路线,结合具体任务场景以及数据特点,对其中的关键技术展开深入研究。尝试通过本项目研究回答如下科学问题:

  1. 如何利用神经网络对于不同类型知识(实体、事件、框架、规则等)内部逻辑和语义结构进行建模,学习其分布式表示;
  2. 是否可以从神经网络所在的数值空间中抽象出结构化的知识,实现大规模知识抽取;
  3. 如何利用神经网络实现符号计算的模拟,进而实现可解释的大规模知识问答与知识推理。

研究内容包括从知识到Embedding(知识表示):学习已有不同类型符号化知识的分布式表示,使得所构建的大规模知识图谱能够有效支撑基于数值计算的深度学习方法;从Embedding到知识(知识获取):通过神经网络实现数值到符号的映射,从数值空间中直接抽象出结构化知识,实现面向非结构文本的大规模知识抽取;从数值计算到符号计算(大规模知识问答与深度推理):通过神经网络实现对于符号计算过程的模拟。在此基础上,实现文本语义的精准解析和推理规则学习,进而实现可解释的大规模推理与开放域问答。

All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OK