【CCL 2019】表示学习--自然语言处理中的图神经网络（Graph Neural Networks in NLP），西湖大学长聘副教授张岳

报告主题： 表示学习--自然语言处理中的图神经网络（Graph Neural Networks in NLP）

报告摘要： 图神经网络可以通过节点间的信息传递有效地捕捉结构信息。自该概念提出以来，图神经网络技术已经在自然语言处理、数据挖掘等多个领域得到了广泛的应用。此次报告讲述了自然语言处理中的图神经网络，首先介绍了几种自然语言处理中的图形结构并提出了一些在自然语言处理中所遇到的图形问题，然后介绍了图形表示的三种主要模型以及使用图形编码解决问题：神经机器翻译、文本生成、问题回答、信息提取、情绪、社会分类、语义分析、语义角色标记、单词嵌入、句子表示。

邀请嘉宾： 张岳，博士，西湖大学长聘副教授。研究领域包括自然语言处理和计算金融。2003年于清华大学获得计算机科学学士学位，2006年于英国牛津大学获得计算机科学硕士学位，2009年于英国牛津大学获得计算机科学博士学位，2010年-2012年在英国剑桥大学从事博士后研究，2012年-2018年在新加坡科技与设计大学担任助理教授。目前已在国际、国内顶级学术会议上发表论文百余篇，曾获得IALP 2017和COLING 2018最佳论文奖、NLPCC青年新锐奖，且他的研究成果持续被谷歌、阿里巴巴、美国教育考试服务中心（ETS）等顶尖企业应用于工业生产前线。担任Transactions of ACL执行主编，ACM Transactions on Asian and Low Resource Language Information Processing副主编，IEEE Transactions on Big Data副主编，以及COLING 2014/18，NAACL 2015/19，EMNLP 2015/17/19，ACL 2017/18/19等国际学会会议的区域主席。