特邀报告3:显式知识在深度学习对话模型中的应用与挑战

赵军 研究员(中国科学院自动化研究所)

http://www.nlpr.ia.ac.cn/cip/jzhao.htm

jzhao

报告摘要:近年来,从大规模原始对话数据中自动学习对话模型受到了越来越多的关注,其中,聊天机器人最具代表性,当前的主要方法大都基于深度学习模型,也就是使用多层神经网络记住(或“推理”)对话中涉及的知识。但是,一方面,人类对话中涉及到的知识非常多,并且时常更新,深度学习的对话模型仅依赖神经网络中的若干参数(一些张量)不可能对它们完全表示和存储;另一方面,事实上目前大部分知识常以知识图谱等形式显式地表示。因此,如何在深度学习对话模型中利用显式表示的知识是一个重要研究课题,它不仅能够提升深度模型生成对话的多样性,也能够给用户提供富有内容的回复。本报告将介绍该方向的研究背景、最新研究成果和面临的挑战。

简介:中国科学院自动化研究所研究员,博士生导师。中国科学院大学岗位教授。长期从事自然语言处理、知识图谱和问答系统方向的研究,承担国家自然科学基金重点课题、973计划、863计划等多个重要科研项目,在IEEE TKDE、ACL、SIGIR、IJCAI、AAAI、COLING、EMNLP、CIKM、WWW等国际顶级期刊和会议上发表论文50多篇,曾获国际计算语言学大会COLING 2014最佳论文奖;主持研发的推荐系统获得2011 SIGKDD CUP第二名(2/1792);主持研发了汉语分析、知识图谱、知识问答等软件工具和平台,曾获CCF-腾讯犀牛鸟基金优秀专利奖。