AAAI2022最新「图深度学习自然语言处理」教程报告，256+页PPT阐述最新进展

【导读】国际人工智能会议AAAI 2022论文将在全程线上举办，时间在 2 月 22 日-3 月 1 日，本届大会也将是第 36 届 AAAI 大会。大会涵盖了众多最近研究Tutorial报告，来自Lingfei Wu等学者共同做了关于图深度学习自然语言处理研究进展报告，非常值得关注!

有各种各样的NLP问题可以用图结构最好地表达。基于图的深度学习技术(即图神经网络(GNNs))在建模非欧氏数据(如图)方面的巨大优势，为解决具有挑战性的图类NLP问题打开了一扇新的大门，并取得了巨大的成功。尽管取得了成功，但在图上的深度学习(DLG4NLP)仍然面临许多挑战(如自动图的构造、复杂图的图表示学习、复杂数据结构之间的映射学习)。

本教程将介绍深度学习技术在自然语言处理中的应用，包括自然语言处理的自动图构造、自然语言处理的图表示学习、自然语言处理的基于GNN的高级模型(如graph2seq和graph2tree)，以及GNN在各种自然语言处理任务中的应用(如机器翻译、图像处理和图像处理)。自然语言生成、信息提取和语义解析)。此外，还将包括实践演示会议，以帮助听众获得应用GNNs解决具有挑战性的NLP问题的实际经验——使用我们最近开发的开源库Graph4NLP，这是第一个为研究人员和实践者提供的用于各种NLP任务的轻松使用GNNs的库。

目录内容：

Introduction (30 mins)

• Natural Language Processing: A Graph Perspective

• Graph Based Algorithms for Natural Language Processing

• Deep Learning on Graphs: Graph Neural Networks

• Foundations

• Methodologies

• Applications in Natural Language Processing: An Overview

Methodologies (60 mins)

• Automatic Graph Construction for NLP

• Static Graph Construction

• Dynamic Graph Construction

• Graph Representation Learning for NLP

• Homogeneous Graph Neural Networks for NLP

• Multi-relational Graph Neural Networks for NLP

• Heterogeneous Graph Neural Networks for NLP

• GNN Based Encoder-Decoder Models

• Graph-to-Seqeunce Models

• Graph-to-Tree Models

Applications (70 mins)

• Information Extraction

• Machine Reading Comprehension

• Natural Language Generation

• Clustering and Mining

Hands-on Demonstration (10 mins)

Conclusion and Open Directions (10 mins)

地址：

https://dlg4nlp.github.io/tutorial_Deep%20Learning%20on%20Graphs%20for%20Natural%20Language%20Processing%20AAAI%202022.html

作者：

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GDL256” 可以获取《AAAI2022最新「图深度学习自然语言处理」教程报告，256+页PPT阐述最新进展》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源