资源 | 清华大学刘知远副教授分享文献综述与研究选题心得

2019 年 1 月 2 日 AI科技评论


AI 研习社,资源版块已经正式上线,所有资源目前一律免费,欢迎大家前往社区资源中心下载喔~

https://club.leiphone.com/page/resources

(戳文末阅读原文直接进)

在第十七届中国计算语言学大会(CCL2018)上,清华大学清华大学计算机系刘知远副教授带来了一场特别的报告。他报告的内容并不是关于技术成果,而是讨论学术思想和学术方法本身:如何做好文献综述、如何做好研究选题。这是刘知远副教授的个人思考总结,他也希望通过这个报告帮助同学们更好地开展自然语言处理创新研究工作。


PPT 部分内容预览:

PPT 下载(收藏)点击阅读原文

登录查看更多
31

相关内容

刘知远,清华大学计算机系副教授、博士生导师。主要研究方向为表示学习、知识图谱和社会计算。2011年获得清华大学博士学位,已在ACL、IJCAI、AAAI等人工智能领域的著名国际期刊和会议发表相关论文60余篇,Google Scholar统计引用超过2700次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖,入选中国科学青年人才托举工程、CCF-Intel青年学者提升计划。担任中文信息学会青年工作委员会执委、副主任,中文信息学会社会媒体处理专委会委员、秘书,SCI期刊Frontiers of Computer Science青年编委,ACL、COLING、IJCNLP领域主席。
【新书】图神经网络导论,清华大学刘知远老师著作
专知会员服务
356+阅读 · 2020年6月12日
还在修改博士论文?这份《博士论文写作技巧》为你指南
中科大-人工智能方向专业课程2020《脑与认知科学导论》
机器翻译深度学习最新综述
专知会员服务
96+阅读 · 2020年2月20日
吴恩达新书《Machine Learning Yearning》完整中文版
专知会员服务
142+阅读 · 2019年10月27日
周志华教授:如何做研究与写论文?
专知会员服务
147+阅读 · 2019年10月9日
总结 | 清华大学韩旭:神经关系抽取模型
AI科技评论
8+阅读 · 2018年9月28日
资源 | 开源数据集
AI研习社
8+阅读 · 2018年9月25日
综述 | 近年来深度学习的重要研究成果(附PDF)
数据派THU
14+阅读 · 2018年8月15日
清华发布《2018自然语言处理研究报告》
智能交通技术
15+阅读 · 2018年8月4日
65页PDF论述《2018自然语言处理研究报告》【清华发布】
机器学习算法与Python学习
6+阅读 · 2018年7月29日
干货 | NLP 研究灵感库
AI科技评论
7+阅读 · 2018年6月7日
清华大学刘知远:在 NLP 领域「做事」兼「发声」
AI科技评论
8+阅读 · 2017年11月18日
如何做文献综述:克雷斯威尔五步文献综述法
清华大学研究生教育
20+阅读 · 2017年7月10日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
VrR-VG: Refocusing Visually-Relevant Relationships
Arxiv
6+阅读 · 2019年8月26日
Arxiv
21+阅读 · 2019年3月25日
dynnode2vec: Scalable Dynamic Network Embedding
Arxiv
13+阅读 · 2018年12月6日
Arxiv
11+阅读 · 2018年1月28日
VIP会员
相关资讯
总结 | 清华大学韩旭:神经关系抽取模型
AI科技评论
8+阅读 · 2018年9月28日
资源 | 开源数据集
AI研习社
8+阅读 · 2018年9月25日
综述 | 近年来深度学习的重要研究成果(附PDF)
数据派THU
14+阅读 · 2018年8月15日
清华发布《2018自然语言处理研究报告》
智能交通技术
15+阅读 · 2018年8月4日
65页PDF论述《2018自然语言处理研究报告》【清华发布】
机器学习算法与Python学习
6+阅读 · 2018年7月29日
干货 | NLP 研究灵感库
AI科技评论
7+阅读 · 2018年6月7日
清华大学刘知远:在 NLP 领域「做事」兼「发声」
AI科技评论
8+阅读 · 2017年11月18日
如何做文献综述:克雷斯威尔五步文献综述法
清华大学研究生教育
20+阅读 · 2017年7月10日
相关论文
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
VrR-VG: Refocusing Visually-Relevant Relationships
Arxiv
6+阅读 · 2019年8月26日
Arxiv
21+阅读 · 2019年3月25日
dynnode2vec: Scalable Dynamic Network Embedding
Arxiv
13+阅读 · 2018年12月6日
Arxiv
11+阅读 · 2018年1月28日
Top
微信扫码咨询专知VIP会员