复杂交互场景下的自然语言理解 | CNCC2021

复杂交互场景下的自然语言理解是实现拟人化人机交互服务的基础。一直以来，自然语言处理领域更多关注语言基础结构，全面覆盖复杂交互场景所涉及的语言知识、常识知识和场景知识的相关研究极为稀少，造成各种知识相互割裂，形成信息孤岛，严重制约了自然语言处理基础研究及拟人化人机交互服务的应用研究和全面推广。

为适应知识问答、任务型对话（比如智能客服场景）等多种复杂场景拟人化人机交互服务的需要，构建融合上述多种知识的场景知识图谱，以充当自然语言理解的核心知识引擎极为关键；进一步，自然语言处理领域仍然严重缺乏融合多源知识的上下文语言表示与理解理论体系，相关研究至为紧迫。复杂交互场景下的自然语言理解将为形成人机交互对话表示、理解、推理和应答生成的一体化智能对话技术、模型和算法提供必要和强有力的支持。

本论坛拟邀请学术界和产业界的资深专家探讨面向复杂交互场景下的自然语言理解，从场景知识图谱构建、基于场景知识图谱的对话理解、面向对话的机器阅读理解及其在拟人化人机交互服务中的应用研究等方面探讨存在的问题与挑战。

周国栋

苏州大学自然语言处理实验室主任、教授

周国栋，教授，博导，苏州大学自然语言处理实验室主任。研究方向：自然语言理解、信息抽取、自然语言认知等。

近5年，发表SCI期刊、CCF A/B类国际会议论文100多篇，主持NSFC项目4个(包括重点项目2个) 。据Google Scholar统计，论文引用近10000次。曾担任国际自然语言处理领域顶级SCI期刊Computational Linguistics编委，目前担任ACM TALLIP副主编、《软件学报》责任编委、中国计算机学会自然语言处理专委会主任、中国计算机学会理事、中国人工智能学会自然语言理解专委会副主任、中国人工智能学会常务理事、中国语文现代化学会语言现代化与智能化研究会副理事长。

奚雪峰

苏州科技大学智能控制与信息处理研究所副所长

奚雪峰，博士，副教授，硕导，现任省市共建苏州智慧城市研究院副院长，苏州科技大学智能控制与信息处理研究所副所长，苏州市虚拟现实智能交互及应用技术重点实验室执行负责人，2019江苏省“六大人才高峰”高层次人才，美国普渡大学访问学者。

长期从事自然语言处理、数据挖掘与机器学习、软件工程等领域研究工作。主持或参与国家863项目、国家自然科学基金、省部级项目十余项。近年来在《计算机学报》《自动化学报》《ACM Transactions on Asian and Low-Resource Language Information Processing》、NLPCC等国内外期刊及会议发表学术论文30多篇；授权发明专利3项。荣获2017年度江苏省科技进步三等奖、2016年度江苏省教学成果二等奖各1项。

逄金辉

北京理工大学计算机学院副教授

逄金辉，博士，北京理工大学计算机学院副教授，研究方向人工智能算法、数据挖掘、博弈论及其应用、知识图谱技术与应用。科技部科技创新2030-新一代人工智能《拟人化人机交互服务关键技术与系统》子课题负责，科技部科技创新2030-新一代人工智能《非完全信息条件下的博弈决策》子课题负责，主持国家自然基金面上项目《模糊限制合作对策的刻画及其解结构特型研究》等省部级项目40余项。《基于知识图谱的知识管理与知识服务系统》获得科技部中国科技产业化促进会科学技术科技创新奖二等奖。

报告题目：基于行为语义的事件知识图谱

演讲摘要：事件知识图谱是一种以事件为基础信息的结构化表示方式，图谱中的节点表示事件提及，节点之间的边表示事件提及之间的时间、因果关系等。

本报告将介绍一种规范化、概念化的新型事件知识表示方法，将事件相关主客体的必要状态变化作为事件发生标志，根据事件中涉及到的实体信息转移函数定义行为基的概念，行为基是用来构建事件行为的最小单元。基于行为态势语义理论表达事件动态信息，在事件层给出事件的核心语义集合定义方式，在行为层中行为基之间的交互对事件状态的动态描述。这种方式既丰富事件知识表示中的行为语义信息，又可以提升事件关系预测等下游任务的效率。

孔芳

苏州大学计算机科学与技术学院教授

孔芳，苏州大学计算机科学与技术学院教授，博士生导师。2009年毕业于苏州大学，获得工学博士学位；2011.11-2014.1.在新加坡国立大学进行博士后研究。长期从事自然语言理解、篇章分析、信息抽取等领域的工作，在IJCAI、ACL、EMNLP等CCF-A/B类会议上发表学术论文30余篇，授权发明专利10余项；主持国家自然科学基金项目4项，作为核心人员参与国家自然基金重大项目2项，重点研发项目1项。CCF高级会员，CCF自然语言处理专业委员会委员。

报告题目：复杂交互场景下的对话衔接性与连贯性解析

摘要：交互场景下参与者围绕着一个或多个主题交织地推进对话。为了言简意赅，对话中指代与省略（衔接性）频繁出现；复杂交互场景主题/任务明确，其推进与相关话题的逻辑演变（连贯性）关系密切。对话理解不仅要理解交互过程中涉及的具体内容，还需要关注内容的组织方式，即对话内容的衔接性和连贯性。报告主要介绍复杂交互场景下对话内容衔接性、连贯性及其两者联合解析的研究进展。

赵海

上海交通大学计算机科学与工程系教授，CCF自然语言处理专委会委员

赵海，上海交通大学计算机科学与工程系教授、博士生导师。研究领域包括自然语言处理、自然语言理解和深度学习。发表论文160篇。Google学术引用超4000余次。ACM专业会员，中国计算机学会自然语言处理专委会委员，上海市计算机学会人工智能专委副主任，2014起PACLIC指导委员会委员。TACL执行编委，ACL-2017程序委员会Parsing领域主席，ACL-2018、2019、EMNLP-2021形态和分词领域（高级）主席。语义分析CoNLL评测2009，2019第一名，机器阅读理解排行榜RACE、SQuAD2.0、hotpotQA第一名。

报告题目：预训练语言模型、语言理解与自动化知识获取

摘要：语言模型在早期的统计自然语言处理上曾发挥核心作用，作为核心组件广泛用于语音识别和统计机器翻译。在2017年以后，以ELMo和BERT为代表的上下文依赖的语言模型快速崛起，它继承了语言模型的训练方式，同时具有整句级的编码和词嵌入表示形式。由于对于算力要求较高，这类模型提出了新的预训练-微调的工作方式，因此特别称之为预训练语言模型。各类预训练语言模型已在包括各类语言处理和语言理解等任务上带来巨大和普遍的性能提升。预训练语言模型不仅仅影响到自然语言处理界，也一定程度上影响了和人工智能密切联系的机器学习、知识工程等领域。这个报告中我们将探讨语言模型、表示对于语言理解的技术性影响，预训练语言模型的机器学习新视角、知识工程功效等主题，内容包括技术演化的时间线、现状和挑战，特别是最近一年来最新进展和一些个人新的思考。

余建兴

中山大学副教授/ CCF数据库专业委员会通信委员

余建兴，博士，中山大学副教授，硕导。广东省珠海市2017年青年优秀人才。研究方向包括机器问答、对话交互、知识图谱、和关联推理等。主持和参与各类国家及省市级项目10项，包括主持国家NSFC青年基金，广东省重点研发等项目；主持的项目经费总额达320多万。近年来，在CCF A/B类国际会议和期刊上发表论文17多篇，其中1篇为高被引论文；此外，有2篇分别获得2019年、2020年广东省计算机学会的优秀论文一等奖。申请发明专利39件，其中有11件获得国际PCT和中国授权。CCF数据库专业委员会通信委员，荣获 2018年广东省珠海市产业发展与创新人才奖；2021年中山大学教学成果一等奖。

报告题目：知识引导的文本关联推理

摘要：机器阅读理解旨在让机器通过阅读语言内容并理解其语义来精确返回答案，帮助人们从海量语言信息中快速聚焦相关主题，提升信息获取的能效。这项技术在信息检索、人机对话等领域均具有很大的应用价值。由于用户的信息需求多样，机器不但要求具有基本的检索能力，更要求具备语义理解、逻辑推理等语言认知能力。这给机器阅读理解带来了巨大的挑战。现有的模型大多缺乏认知推理能力。针对这些难点，这里我们分享一些新技术，介绍如何抓住逻辑关联进行语义理解和文本多跳推理，如何缓解训练数据稀缺的难题，如何基于少量标注充分学习，如何跨语言可适配地部署；进而推动建立一套新方法，实现算法可关联推理、标注可低成本生成，到模型可少样本学习、可跨域部署。

吴友政

京东科技高级技术总监

吴友政，博士，京东科技语音语言算法部负责人、高级技术总监。博士毕业于中国科学院自动化研究所，毕业后在日本情报通信研究机构（NICT）、英国爱丁堡大学、索尼中国研究院和爱奇艺负责自然语言处理、语音识别、机器翻译等前沿技术研究和产品化工作，在国际自然语言处理领域顶会和期刊上发表多篇学术论文（如ACL、EMNLP、AAAI、IJCAI、ICASSP、INTERSPEECH等）。曾获得语音识别（IWSLT2012、IWSLT2013）和对话式机器阅读理解（QuAC）比赛的冠军。2019年和2020年主办的京东人机对话挑战赛JDDC吸引了上千支队伍参加。技术产品化上，带领团队先后打造了基于多轮对话技术的智能客服平台言犀、基于多模态内容生成技术的品创等产品。曾获得京东集团技术金牛奖等荣誉。

报告题目：拟人化人机交互服务的大规模应用研究

报告摘要：拟人化人机交互旨在解决大众用户在多样化复杂场景下完成复杂任务时的人机“交流障碍”问题。目前拟人化人机交互技术的主要特点体现在：1）对话引擎从早期的单模态单轮问答走向多模态多轮交互，2）简单场景下的对话式人机交互服务已经在大规模真实场景下广泛应用，3）在高噪声复杂场景下的应用仍然受到很大的挑战。本报告主要介绍拟人化人机交互服务在大规模产业应用上的最新进展，挑战和解决方案。