SMP 2019 青年精英科学家报告

青年精英科学家讲者

刘康（中国科学院自动化研究所）

报告主题：基于端到端模型的知识获取与知识问答

报告摘要：知识图谱是人工智能的核心基础设施之一，对于语义内容理解有重要的支撑作用。传统知识抽取与问答方法多采用多步Pipeline的处理策略，往往存在错误积累，难以学习的问题。本报告结合研究组近些年的工作，主要介绍基于端到端的知识获取与知识问答的最新方法。其优势在于，利用神经计算与符号表示各自的优势，将大规模知识获取与问答问题转变成一个可学习问题，更加适用于大规模、开放域环境。

嘉宾简介：刘康，博士，现任中科院自动化所模式识别国家重点实验室副研究员，西安电子科技大学客座教授。研究领域包括信息抽取、网络挖掘、问答系统等，同时也涉及模式识别与机器学习方面的基础研究。在自然语言处理、知识工程等领域国际重要会议和期刊发表论文90余篇（如TKDE、ACL、IJCAI、EMNLP、COLING、CIKM等），获得KDD CUP 2011 Track2 全球亚军，COLING 2014最佳论文奖，首届“CCF-腾讯犀牛鸟基金卓越奖”、2015、2016 Google Focused Research Award。2014年获得中国中文信息学会“钱伟长中文信息处理科学技术奖-汉王青年创新一等奖”、2018年获得中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖（排名第二）等奖项。曾任ACL2017、ACL2019领域主席，兼任中国中文信息学会青年工作委员会主任、语言与知识计算专业委员会秘书长等学术职务。

吕欣(国防科技大学)

报告主题：应急管理中的移动大数据与互联网大数据挖掘

报告摘要：大规模移动通信数据、社交网络数据与卫星图像数据等近年来不断被创新地应用到全球贫穷、疾病与灾害问题的研究中。本报告将结合吕欣教授长期以来与国际组织联合开展的多项工作，介绍如何将大数据技术转化为应急管理决策能力，主要包括：1）大规模匿名手机数据定位与自然灾害应急管理；2）人口移动网络与疾病风险防控；3）多源大数据融合的贫穷地图（Poverty Mapping）模型等。

嘉宾简介：吕欣，国防科技大学系统工程学院教授。国际非营利组织Flowminder基金会创始人、理事、首席分析师。主要研究方向为大数据挖掘、应急管理、复杂网络理论、统计抽样、人类行为动力学等，研究成果发表在Nature（Correspondence）、PNAS、Nature Microbiology、Physic Reports、PLOS Medicine、 Global Environmental Change等期刊上，得到MIT（2013，2014）、BBC（2011，2014，2015）、Scientific American（2019）、Science Daily（2017, 2019）、UNOCHA等科研机构、国际媒体、联合国组织的高度评价，产生了深刻的国际影响。其研究促进了国际组织自然灾害救援方式的转变，在海地地震与霍乱（2010-2013）、孟加拉台风Mahasen（2013）、西非国家埃博拉爆发（2014）、中国登革热（2014）、尼泊尔地震与洪水（2015、2016）等事件的应急救援中得到广泛应用。PLOS Medicine（2011）和PNAS（2012，2016）三次对其研究刊发专文进行评价和前景讨论。诺贝尔医学奖、生理学奖颁布机构卡罗林斯卡学院在2011年和2012年将其两项研究分别在主页上作新闻发布。技术方法被MIT Technology Review列为“2013年世界十大开创性科技”，Flowminder基金会获世界移动大会最佳应用奖（GLOMO Award 2016）。

黄高(清华大学)

报告主题：面向快速推理的卷积神经网络结构设计

报告摘要：随着深度学习从实验室走向越来越多的实际应用，人们对模型的关注不仅仅在其精度方面，同时也对计算和存储效率提出了更高的要求。在提升模型效率的诸多手段中，神经网络结构创新始终是最为有效的方式之一。本报告将简单回顾卷积神经网络的几种典型结构（包括报告人提出的DenseNet模型），分析有利于提升模型效率的设计技巧与原则。与结构设计密切相关的，还有神经网络的推理方法。报告将从自适应推理的角度，介绍如何通过合理的结构设计，使模型能够针对不同的样本自适应地分配相应的计算量，达到降低平均计算开销的目的。

嘉宾简介：黄高，清华大学自动化系助理教授。2009年和2015年分别从北京航空航天大学和清华大学获得学士和博士学位。2015年至2018年为美国康奈尔大学计算机系博士后。其主要研究领域为机器学习和计算机视觉。其博士论文获得中国自动化学会优秀博士学位论文以及清华大学优秀博士论文一等奖。目前在NIPS，ICML，CVPR等国际顶级会议及IEEE多个汇刊共计发表学术论文30余篇，Google Scholar引用6000余次，单篇最高引用4000余次。曾获得全国百篇最具影响国际学术论文、CVPR最佳论文奖（DenseNet）、世界人工智能大会SAIL先锋奖以及吴文俊人工智能自然科学一等奖等奖励和荣誉。

丁效(哈尔滨工业大学)

报告主题：事理图谱的构建及应用

报告摘要：知识图谱在各个领域精耕细作，逐渐显露价值，但是现有的知识库普遍是以“概念及概念间的关系”为核心，较少记录“事理逻辑”相关知识，事理逻辑（事件之间的演化规律与模式）是一种非常有价值的人类知识，挖掘这种知识对我们认识人类行为和社会发展变化规律非常有意义。因此本次报告介绍一种新型的知识图谱形式：事理图谱，它是一个事理逻辑知识库，描述了事件之间的演化规律和模式。结构上事理图谱是一个有向有环图，节点代表事件，有向边代表事件之间的顺承、因果、条件和上下位等逻辑关系。本次报告重点介绍事理图谱的定义、构建、推理及应用。

嘉宾简介：丁效，哈尔滨工业大学助理研究员。主要研究方向为人工智能、自然语言处理、社会计算和事理图谱。2016年获得哈尔滨工业大学博士学位，已在人工智能领域的顶级国际期刊和会议IJCAI、AAAI、EMNLP等发表相关论文20余篇。承担国家自然科学基金青年项目等省部级以上项目四项，参与科技创新2030“新一代人工智能”重大项目、国家重大科技基础设施建设项目、科技部973课题、国家自然科学基金重点项目等。荣获全国青年人工智能创新创业大会三等奖、第五届全国青年计算语言学研讨会优秀论文奖等荣誉。担任中国中文信息学会社会媒体处理专委会秘书、委员、智能金融工作组副组长，中国中文信息学会青年工作委员会委员。