- 课程回放
基于事态的常识理解知识图谱ASER
NLP前沿讲座 2020/10/13 10:00:00
课程讲师
课程提纲
- 常识理解任务的研究现状
- 基于事态间高阶语义倾向的常识理解方法
- 常识理解知识图谱ASER的构建
- 常识理解知识图谱ASER在多任务中的应用
课程简介
随着人们对人机交互任务的要求不断提高,如何更好地理解与使用常识知识,已经成为目前自然语言处理领域中一个重要的研究课题。常识是指“海水是咸的”、“人饿了就要吃饭”等绝大多数人都了解并接受的倾向性知识。常识知识对机器深入理解自然语言非常重要,在很多情况下,只有具备了一定程度的常识,机器才有可能对字面上的含义做出更深层次的理解。然而,学术界与工业界一直欠缺一个较好的常识知识表达与获取方法。
为了有效地表达常识知识,香港科技大学张洪铭博士等人提出了一个基于事态的大规模常识理解知识图谱ASER。不同于传统的知识图谱,ASER是一个通过不同边的权重变化表达人类常识知识的概率图,其概率图中的每一个节点代表一个事件或者事态。经实验证明,ASER中包含的常识知识能被有效地转化为其他形式(例如ConceptNet)并被应用在下游任务中。10月13日上午10点,智东西公开课邀请到香港科技大学在读博士张洪铭参与「NLP前沿讲座」第6讲,张博士将围绕《基于事态的常识理解知识图谱ASER》这一主题进行直播讲解。
张博士将从常识理解任务的研究现状出发,详解基于事态间高阶语义倾向的常识理解方法,并深入讲解常识理解知识图谱ASER的构建及其在多任务中的应用。感兴趣的朋友不要错过!
张洪铭博士来自香港科技大学,师从宋阳秋教授,目前在宾夕法尼亚大学作访问学者,主要研究方向为常识知识理解和公开领域事件理解。张博曾获得香港博士奖学金,微软亚洲学者,腾讯犀牛鸟奖学金等奖项,并在相关顶级会议上(ACL,EMNLP,NAACL,IJCAI,WWW等)共发表文章十余篇。
精彩问答
提问
提问