深度学习在序列模型上的应用

报告时间及地点：

2021年6月22日上午10：00-12：00，上海期智研究院40楼02会议室

内容摘要:

虽然在过去的五年里，深度学习和神经方法在自然语言处理领域占据主导地位，但传统的符号和统计方法仍然有其优点。本报告讨论了最近将传统符号和统计技术与现代神经方法相结合的努力。报告人首先介绍了一种新型的递归神经网络，它可以从正则表达式转换为零炮和冷启动场景。然后，介绍了将统计推断算法展开为递归神经网络的技术，并讨论其在依赖解析和CRF解码中的应用。最后，简要讨论了在向量化形式语法方面的工作。

报告人简介:

周浩，字节跳动人工智能实验室高级研究员。周浩于 2017 年博士毕业于南京大学，获得南京大学优秀博士论文和中国人工智能学会优秀博士论文。他的研究方向是离散符号的结 构化学习，包括文本生成，AI 辅助药物设计，蛋白质性质预测等。他曾担任多个会议的程序委员会成员，多次在国际会议如 EMNLP 等做讲习班报告，在相关会议包括ACL, EMNLP, NeurIPS, ICML 和 ICLR 上发表论文 50 余篇，曾获得 ACL 2021 最佳论文奖。