学术报告:StatNLP: NLP结构化预测的统一框架
时间: 2019-12-19 发布者: 文章来源: 计算机科学与技术学院 审核人: 浏览次数: 1540

报告题目:StatNLP: NLP结构化预测的统一框架

报告人:Lu Wei, 新加坡科技设计大学副教授

报告时间:1223日(周一)上午930

报告地点: 理工楼504会议室

报告摘要:结构预测是机器学习、计算机视觉、自然语言处理(NLP)和生物信息学等诸多领域的重要研究课题之一。在这次演讲中,我们提出了一个新的框架,统一了各种结构化的预测模型。

具体地说,我们将在一个非常高的层次上讨论如何在一个涉及一些基本构件的统一框架下实现现有的广泛的结构化预测模型(如直链CRFsemi-Markov CRF,潜变量CRF, PCFG, tree-CRF,结构化SVM,以及基于深度学习结构化预测模型,如神经/ LSTM-CRF等等)。基于这样的框架,我们展示了一些看似复杂的结构化预测模型,如(神经)混合树模型(Lu et al. 2008;Lu, 2014, SusantoLu 2017; Jie and Lu 2018)可以方便快捷地实现。此外,我们还证明了该框架可以用来解决某些结构化预测问题,否则传统的结构化预测模型很难处理这些问题。具体来说,我们展示了如何使用这样的框架来构建能够预测非常规结构的模型,比如重叠结构(Lu and Roth, 2015; Muis and Lu, 2016a; Muis and Lu 2017; Wang and Lu 2018, Wang and Lu 2019)。我们的课题组广泛使用该框架来开发各种新的结构化预测模型,包括信息提取模型(Lu and Roth, 2015; Muis and Lu, 2016a; Jie, Muis and Lu, 2017; Muis and Lu 2017; Wang and Lu 2018),名词短语组块(Muis and Lu, 2016b),语义分析(Lu, 2015; Susanto and Lu, 2017; Guo and Lu2018; Jie and Lu, 2018), 情感分析(Li and Lu2017; Li and Lu 2018),解决算术应用题(Zou and Lu, 2019a, 2019b)

报告人简介:Lu Wei,新加坡大学技术与设计学院(SUTD)副教授,指导StatNLP研究小组(http://StatNLP.org/)。2009年获新加坡国立大学博士学位。2007-2008年间,他是麻省理工学院CSAIL的访问学者,2011-2013年在伊利诺伊大学香槟分校(UIUC)担任博士后研究助理。他的研究兴趣包括为解决自然语言处理问题开发数学模型和机器学习算法。他在EMNLP 2017上提供了一个关于StatNLP框架结构化预测的教程,并担任2018年新加坡自然语言处理研讨会的总主席。他还获得了EMNLP 2011年度最佳论文奖。