· 智源学者

北京大学副教授,他在面向语言的机器学习、自然语言生成方面提出一系列新方法并获得突出效果。曾获得2018年“国际计算语言学会议(COLING)”最佳论文奖、2018年中国电子学会科学技术奖一等奖、2018年中国计算机学会自然语言与中文计算青年新锐奖、求是杰出青年学者奖。是青年千人、博雅青年学者。

拟研究方向:基于多模态学习与常识知识的语言生成

自然语言生成任务,如机器翻译、自动文摘、问答系统等,均离不开对输入信息的理解,包括多模态信息和常识知识等。然而,现有的主流编码器-解码器模型缺少对结构的建模过程,虽然取得了前所未有的效果,但仍面临着难以有效进行多模态信息建模和连续文本的语义内容不匹配等挑战。本研究拟探索结构化自然语言学习技术和现有模型在自然语言生成任务上的结合方式。借助多模态信息提高生成系统鲁棒性与文本多样性,推进面向真实世界场景的自然语言生成技术发展(例如商品推荐、基于多模态信息的机器翻译、基于多模态信息的对话生成等);通过语义深层学习机制提高生成文本的相关性,研究如何利用现有的常识语义知识库或大规模无监督训练数据获得有效的常识语义约束,保证生成忠于原文的文本,避免在“常识性表述”上犯错误。形成基于结构化学习方法的端到端模型改进策略,通过语言内部结构建模,为面向文本生成的自然语言处理实际应用提供新的解决方案。

All Posts
×

Almost done…

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

OK