报告主题:网络表示学习

报告摘要:数据特征的有效表示是机器学习任务中最为关键环节之一。网络数据(如社交网络、信息网络等)作为普适而广泛的数据呈现形式,对它的高效表示学习是近年来数据挖掘和机器学习领域的研究热点之一。本报告将重点围绕如下内容展开:(1)网络表示学习的基本概念;(2)几类新型网络表示学习方法,包括:网络Tag表示、域自适应表示、基于网络划分的表示以及内存自适应的表示方法等。

嘉宾简介:宋国杰,北京大学信息科学技术学院副教授。研究方向包括:网络大数据分析、机器学习&数据挖掘、社会网络分析和智能交通系统。主持了包括国家高技术研究发展计划(863计划)、国家科技支撑计划、国家自然科学基金等纵向课题10多项;主持了国际(内)科研机构合作课题、企业横向合作课题等20余项。国家级精品课程主讲教师,两度获得北京大学教学成果一等奖(2012、2009)。在包括国际顶级期刊TKDE、TPDS、TITS以及国际顶级会议KDD、IJCAI、AAAI等发表论文100余篇,是多个国际顶级会议(KDD、WWW、AAAI、IJCAI等)的程序委员。申请国家发明专利10项,软件著作权3项。研究成果获“2012年度中国公路学会科学技术奖一等奖”、“2012年度山西省科学技术奖二等奖”和“2013年度中国公路学会科学技术奖一等奖”。

成为VIP会员查看完整内容
0
3

相关内容

基于网络的表示学习研究旨在探索能够更好地研究分析复杂信息网络中的节点间的联系, 寻找解决信息网络背景下的各种实际问题的普适方法, 有效融合网络结构与节点外部信息, 形成更具区分性的网络表示. 近年来, 网络表示学习问题吸引了大量的研究者的目光, 相关的论文工作也层出不穷。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等

题目: 知识图谱中的关联搜索

摘要: 南京大学计算机科学与技术系副教授程龚在第3届知识工程与问答技术研讨会上介绍了知识图谱中的关联搜索,主要包括关联实体搜索、实体关联搜索 。

作者简介: 程龚,南京大学计算机科学与技术系副教授、江苏省“六大人才高峰”高层次人才。目前主要面向智能软件系统,研究语义网与知识图谱技术,研究主题包括语义搜索、数据摘要、智能问答等。主持国家重点研发计划课题、国家自然科学基金面上项目等多个项目课题。在WWW、AAAI、IJCAI、TKDE等会议期刊上发表论文70余篇,获ISWC最佳论文提名2次、COLING最佳论文提名1次,论文总引用2000余次。现任中国计算机学会系统软件专委委员、中国中文信息学会语言与知识计算专委委员、江苏省人工智能学会知识工程与智能服务专委副秘书长,担任过ISWC短文程序委员会主席、CCKS领域主席等职务。

成为VIP会员查看完整内容
0
40

论文题目: Rule-Guided Compositional Representation Learning on Knowledge Graphs

摘要:

知识图的表示学习是将知识图中的实体和关系嵌入到低维连续向量空间中。早期的KG嵌入方法只关注编码在三元组中的结构化信息,由于KG的结构稀疏性,其性能受到限制。最近的一些尝试考虑路径信息来扩展KGs的结构,但是在获取路径表示的过程中缺乏可解释性。本文提出了一种新的基于规则和路径的联合嵌入(RPJE)方案,该方案充分利用了逻辑规则的可解释性和准确性、KG嵌入的泛化性以及路径的补充语义结构。具体来说,首先从KG中挖掘出不同长度(规则体中的关系数)的Horn子句形式的逻辑规则,并对其进行编码,用于表示学习。然后,利用长度2的规则来精确地组合路径,而使用长度1的规则来明确地创建关系之间的语义关联和约束关系嵌入。优化时还考虑了规则的置信度,保证了规则在表示学习中的可用性。大量的实验结果表明,RPJE在KG完成任务上的表现优于其他最先进的基线,这也证明了利用逻辑规则和路径来提高表示学习的准确性和可解释性的优越性。

论文作者:

张永飞:男,博士,副教授,博士生导师。2005年毕业于北京航空航天大学自动化学院,获学士学位,免推直博;2011年毕业于北京航空航天大学模式识别与智能系统专业,获博士学位。2007年至2009年在美国密苏里大学哥伦比亚分校电气与工程学院访问。2011年加入北航计算机学院数字媒体北京市重点实验室。科研工作:目前主要研究方向包括(1)(视觉)大数据智能分析处理;(2)高性能实时图像/视频编解码与可靠传输。主持国家自然科学基金项目面上项目、国家重点研发计划项目子课题、国家自然科学基金重点项目子课题、863项目子课题、国家重点实验室自主课题、企业合作预研项目等多项科研任务;作为技术骨干参与国家973计划、杰出青年基金、国家自然科学基金项目等多项国家级课题的科研工作等。

刘偲,计算机学院副教授、博导。 2012年博士毕业于中科院自动化所,2009-2014年于新加坡国立大学(NUS)任研究助理、博后。2016年在微软亚洲研究院(MSRA)任铸星计划研究员。2014-2018在中国科学院信工所任副研究员。其研究方向是跨模态多媒体智能分析,包括自然语言处理(NLP)和计算机视觉(CV)。共发表了CCF A类论文 40余篇,其研究成果发表于TPAMI、IJCV、TIP、CVPR、ICCV和ACM MM等。 Google Scholar引用4000+次。2017年入选中国科协青年人才托举工程,2017年获CCF-腾讯犀牛鸟专利奖。任2017中国计算机大会(CNCC)主论坛特邀讲者,2017 CCF青年精英大会“青年技术秀”讲者。获2017 ACM 中国新星提名奖,2017国际计算机学会人工智能专委会中国区(ACM SIGAI China) 新星奖,2018吴文俊人工智能优秀青年奖。 另外,她获CCF A类会议ACM MM 2012最佳技术演示奖,ACM MM 2013最佳论文奖。指导学生获得ChinaMM2018 最佳学生论文奖。带领学生多次获得国际、国内竞赛冠军: 2016年获CCF大数据与计算智能大赛(BDCI)综合特等奖,2017年获CVPR Look Into Person Challenge Human Parsing Track冠军,2019年获得ICCV Youtube-Video Object Segmentation 竞赛冠军。 主办了ECCV 2018和ICCV 2019‘Person in Context’workshop。担任中国图像图形学学会理事、副秘书长。任ICCV 2019、CVPR 2020 Area chair,AAAI 2019、IJCAI2019、IJCAI 2020 SPC。

成为VIP会员查看完整内容
0
43

报告主题: 多模态--基于视觉的跨模态文本生成

报告摘要: 此次报告主要讲述了多模态中基于视觉的跨模态文本生成,首先介绍了语言-视觉的跨模态任务,并提出了视觉的语义表示、视觉-语言的跨模态对齐等研究问题及其相关解决方案,然后介绍了几种基于视觉的文本生成方法以及基于视觉的文本生成的其他关注点,最后提出了对未来的一些看法。

邀请嘉宾: 魏忠钰,博士,复旦大学副教授。主要研究领域为自然语言处理,机器学习和社会媒体处理,专注于自动化文本生成、论辩挖掘和交叉学科应用研究。于哈尔滨工业大学获得学士和硕士学位,于香港中文大学获得博士学位,2015-2016年于美国德州大学达拉斯分校从事博士后工作,现任中文信息学会社交媒体处理专委会常务委员兼秘书,中国中文信息学会青年工作委员会委员。在自然语言处理、人工智能领域的国际会议、期刊如CL,ACL,SIGIR,EMNLP,AAAI,IJCAI, Bioinformatics等发表学术论文40余篇。担任多个重要国际会议及期刊评审。获得2017年度上海市青年扬帆计划,2019年度全国社会媒体处理大会新锐奖。

成为VIP会员查看完整内容
基于视觉的跨模态文本生成.pdf
0
32

报告主题: Frontiers in Network Embedding and GCN

报告摘要: 如今,越来越多的网络广泛地用于应用程序中。 众所周知,网络数据既复杂又具有挑战性。 为了有效地处理图形数据,第一个关键挑战是网络数据表示,即如何正确表示网络,以便可以在时间和空间上高效执行高级分析任务,例如模式发现,分析和预测。 在本次演讲中,我将介绍网络嵌入和GCN的最新趋势和成就,包括解散的GCN,反攻击GCN以及用于网络嵌入的自动机器学习。

邀请嘉宾: 崔鹏 清华大学计算机系长聘副教授,博士生导师。研究兴趣聚焦于大规模网络表征学习以及大数据驱动的因果推理和稳定预测。近5年在数据挖掘及人工智能领域顶级会议发表论文100余篇,先后5次获得顶级国际会议或期刊论文奖,并先后两次入选 数据挖掘领域顶级国际会议KDD最佳论文专刊。担任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD等国际期刊编委。曾获得国家自然科学二等奖、教育部自然科学一等奖、电子学会自然科学一等奖、CCF-IEEE CS青年科学家奖、ACM中国新星奖。入选中组部万人计划青年拔 尖人才,并当选中国科协全国委员会委员。

成为VIP会员查看完整内容
0
19

报告主题:任务型对话系统

报告简介:对话系统一般可以分为两种,即任务型对话系统(也称作目标导向型对话系统)和闲聊对话系统。本讲习班主要介绍任务型对话系统,其多用于垂直领域业务助理系统,如微软小娜、百度度秘、阿里小蜜以及我们研发的对话技术平台(DTP)等。这类系统具有明确需要完成的任务目标,如订餐、订票等。我们将首先介绍任务型对话系统的背景和定义,然后依次介绍其中的关键技术,包括自然语言理解(包括领域意图的识别和语义槽的填充)、对话管理(包括对话状态跟踪和对话策略优化)以及自然语言生成;接着介绍任务型对话系统的评价方法和国内外相关技术评测任务;最后对任务型对话系统的技术和应用趋势进行展望。

邀请嘉宾:车万翔博士,哈尔滨工业大学计算机学院教授,博士生导师,斯坦福大学访问学者,合作导师Christopher Manning教授。现任中国中文信息学会计算语言学专业委员会委员、青年工作委员会副主任;中国计算机学会高级会员、曾任YOCSEF哈尔滨主席(2016-2017年度)。在ACL、EMNLP、AAAI、IJCAI等国内外高水平期刊和会议上发表学术论文50余篇,其中AAAI 2013年的文章获得了最佳论文提名奖,论文累计被引用2,100余次(Google Scholar数据),H-index值为26。出版教材 2 部,译著 2 部。承担国家自然科学基金、973等多项科研项目。负责研发的语言技术平台(LTP)已被600余家单位共享,提供的在线“语言云”服务已有用户1万余人,并授权给百度、腾讯、华为等公司使用。2018年,获CoNLL多语种句法分析国际评测第1名。2015-16年,连续两年获Google Focused Research Award(谷歌专注研究奖);2016年,获黑龙江省科技进步一等奖(排名第2);2012年,获黑龙江省技术发明奖二等奖(排名第2);2010年获中国中文信息学会“钱伟长”中文信息处理科学技术奖一等奖(排名第2)、首届汉王青年创新奖(个人)等多项奖励。2017年,所主讲的《高级语言程序设计(Python)》课程获国家精品在线开放课程。

张伟男,哈尔滨工业大学计算机科学与技术学院副教授/博士。研究兴趣包括人机对话及自然语言处理。在ACL、AAAI、IJCAI及IEEE TKDE等CCF A类国际会议及国际顶级期刊发表论文多篇,主导研发了人机对话系统“笨笨”。目前为中国中文信息学会(CIPS)信息检索专委会委员、青年工作委员会委员,中国人工智能学会(CAAI)青年工作委员会委员。曾获黑龙江省科技进步一等奖、中国人工智能学会最佳青年成果奖、中国人工智能学会“合创杯”第二届全国青年创新创业大赛三等奖及首届“百度奖学金”。

成为VIP会员查看完整内容
CIPS_SSATT_2019_任务型对话系统_车万翔_张伟男.pdf
0
25

题目:异质信息网络的表示学习与应用

摘要:当前的社会网络分析主要针对同质网络(即网络中结点类型相同),但是现实世界中的网络化数据通常包含不同类型的对象,并且对象之间的关联表示不同的语义关系。构建异质信息网络(即包含不同类型的结点或边的网络)可以包含更加完整的对象之间的关联信息,因此分析这类网络有希望挖掘更加准确的模式。表示学习能够自动抽取对象的隐含特征,为后续机器学习服务,成为近期的研究热点。本报告将系统介绍异质信息网络的表示学习方法,包括随机游走等浅层模型方法和神经网络等深层模型方法。报告也将介绍异质网络表示学习在实际问题上的应用。

个人简介:北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和演化计算。近五年来,作为第一作者或通信作者发表高水平学术论文50余篇,英文专著一部,包括数据挖掘领域的顶级期刊和会议IEEE TKDE、ACM TIST、KDD、AAAI、IJCAI、WWW等,相关研究成果应用于阿里巴巴、腾讯、华为等公司。获得ADMA2011/AMDA2018国际会议最佳论文奖、CCF-腾讯犀牛鸟基金及项目优秀奖,并指导学生获得顶尖国际数据挖掘竞赛IJCAI Contest 2015 全球冠军。获得北京市高等学校青年英才和师德先锋等称号。

成为VIP会员查看完整内容
heterogeneous information network embedding and Applications(Tutorial)-Part I v2.pdf
heterogeneous information network embedding and Applications-Part III.pdf
heterogeneous information network embedding and Applications(Tutorial)-Part II v3.pdf
0
3

报告主题:开放语义解析

报告摘要:语义解析(Semantic Parsing)是将自然语言句子转换为机器可识别的、可计算的语义表示的任务。语义解析是自然语言处理的核心任务之一,在智能问答、语音助手、智能机器人、代码生成等任务上具有广泛的应用。本报告将详细介绍语义解析这项任务,首先介绍语义解析任务、数据集和工具,然后依次介绍基于文法的语义解析方法(CCG,DCS等)、基于语义图构建的语义解析方法和新兴的神经语义解析方法(Seq2Seq, Seq2Act, coarse-to-fine等),最后对语义解析的前沿方向和重要挑战进行展望,包括上下文有关的语义解析(可用于对话),与周边环境有交互的语义解析(如用于机器人执行指令)。

报告嘉宾:韩先培,博士,中国科学院软件研究所中文信息处理实验室/计算机科学国家重点实验室研究员。主要研究方向为信息抽取、知识图谱、语义解析以及智能问答系统。在ACL、SIGIR、AAAI、EMNLP等重要国际会议发表论文四十余篇。韩先培是中国中文信息学会理事,语言与知识计算专业委员会副主任,中国科学院青促会会员,入选中国科协青年人才托举计划,获得中国中文信息学会汉王青年创新奖。 陈波,博士,中国科学院软件研究所中文信息处理实验室助理研究员,2018年获得中国科学院大学博士学位,并获得优秀毕业生。主要研究方向为语义解析(Semantic Parsing)和自然语言理解。在ACL、COLING、NAACL等自然语言处理国际顶级会议发表学术论文多篇。参与多项国家自然科学基金重点课题以及企业合作科研项目的研发。

成为VIP会员查看完整内容
CIPS_SSATT_2019_开放域语义解析_韩先培_陈波.pdf
0
14

论坛嘉宾:沈华伟 中国科学院计算技术研究所 研究员

报告主题:图卷积神经网络及其应用

报告摘要:卷积神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势。然而,卷积神经网络不能直接应用于图(Graph)这类空间结构不规则的数据上。近年来,研究人员开始研究如何将卷积神经网络迁移到图数据上,涌现出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法,在基于图的半监督分类和图表示学习等任务中表现出很好的性能。报告首先梳理和回顾该方向的主要研究进展和发展趋势,进而介绍报告人近期在图卷积神经网络方面的一些研究工作(ICLR’19; IJCAI’19)。

嘉宾简介:沈华伟,博士,中国科学院计算技术研究所研究员,中国中文信息学会社会媒体处理专委会副主任。主要研究方向:社交网络分析、网络数据挖掘。先后获得过CCF优博、中科院优博、首届UCAS-Springer优博、中科院院长特别奖、入选首届中科院青年创新促进会、中科院计算所“学术百星”。2013年在美国东北大学进行学术访问。2015年被评为中国科学院优秀青年促进会会员。获得国家科技进步二等奖、北京市科学技术二等奖、中国电子学会科学技术一等奖、中国中文信息学会钱伟长中文信息处理科学技术一等奖。出版个人专/译著3部,在网络社区发现、信息传播预测、群体行为分析等方面取得了系列研究成果,发表论文100余篇。担任PNAS、IEEE TKDE、ACM TKDD等10余个学术期刊审稿人和KDD、WWW、SIGIR、AAAI、IJCAI、CIKM、WSDM等20余个国际学术会议的程序委员会委员。

成为VIP会员查看完整内容
0
31
Top