问答与对话-技术与系统之基于深度学习的机器阅读理解【崔一鸣】第十四届中国中文信息学会暑期学校暨中国中文信息学会《前沿科技讲习班》ATT第14期

报告主题：基于深度学习的机器阅读理解

报告摘要：机器阅读理解（Machine Reading Comprehension）是让机器阅读并理解给定的文本并且能够回答与文本相关的问题，是目前自然语言处理领域最受关注的任务之一，也是认知智能中的典型任务。在本报告中，我们将聚焦基于深度学习的机器阅读理解，涵盖了目前主流的机器阅读理解任务，包括：填空型阅读理解、篇章抽取型阅读理解、选择型阅读理解、对话型阅读理解、开放域阅读理解等。我们将对每个任务具有代表性的数据集和经典模型进行详细介绍，并同步介绍相关中文机器阅读理解的研究发展。在报告的最后，我们将剖析近期机器阅读理解领域的研究热点，并且对未来的发展方向进行展望。

邀请嘉宾：崔一鸣，科大讯飞AI研究院资深级研究员，研究主管，哈尔滨工业大学社会计算与信息检索研究中心在读博士研究生，于哈尔滨工业大学计算机科学与技术专业获得工学硕士和学士学位。长期从事阅读理解、问答系统、机器翻译等自然语言处理相关领域的研究工作。曾获国际口语机器翻译评测（IWSLT 2012、IWSLT 2014），NIST机器翻译评测（NIST OpenMT 15）多项冠军。2017年至今带领团队多次获得国际权威机器阅读理解评测冠军，其中包括SQuAD 1.1、SQuAD 2.0挑战赛冠军，国际语义评测SemEval 2018阅读理解任务冠军，对话型阅读理解挑战赛CoQA、QuAC冠军等。同时，在自然语言处理顶级及重要国际会议（ACL/AAAI/IJCAI/COLING/NAACL）上发表多篇学术论文，并担任ACL系列会议及AAAI等国际会议程序委员会委员，担任JCSL、TKDD等国际ESI期刊审稿人等学术职务。