SMP 2019 情感分析论坛
论坛概况
论坛时间：2019年8月17日下午 16:00-18:00
论坛形式：报告
论坛简介：情感分析是社会媒体处理的一个重要子课题，近年来在自然语言处理和语音领域引起广泛关注。本次论坛邀请了来自中山大学、中科院深圳先进研究院、搜狗语音交互技术中心的三位专家讲者，分别针对文本和语音两种模态数据，介绍方面级情感分析、语音情感合成等问题的前沿研究动态。具体报告内容如下：方面级的情感分析是情感分析领域中在2019各大顶级会议比较热门的研究方向，中山大学权小军教授和中科院深圳研究院的杨敏助理研究员，分别从不同的角度介绍方面级别情感分析的最新研究进展。语音情感合成中的情感和风格迁移是语音情感合成中的重要问题，搜狗语音交互技术中心高级总监，首席科学家陈伟博士将围绕这些问题介绍其最新工作进展。
论坛主席：王素格 山西大学计算机与信息技术学院 教授
主席简介：王素格，山西大学计算机与信息技术学院教授、博士生导师。中国中文信息学会理事，社会媒体信息处理专委会常务委员以及情感分析组副组长、计算语言学专委会委员、信息检索专委会委员、语言和知识计算专委会委员。多年来一直从事自然语言处理的相关研究。主要研究方向：自然语言处理、情感分析、文本挖掘等。担任2012年—2015年四届COAE评测联合主席，SMP2019评测主席。曾在新加坡资讯通信研究院进行学术访问。担任多个国际期刊和会议的审稿人。主持多项国家自然科学基金。在ESWA，KBS，IS，CSP，FSS等国内外重要期刊及会议上发表论文90余篇。获山西省科学技术进步一等奖。
论坛嘉宾
权小军 中山大学数据科学与计算机学院 教授
报告主题：Aspect-Oriented Syntax Network for Aspect-Based Sentiment Analysis
报告摘要：Aspect-based sentiment analysis aims to determine the sentimental polarity towards a specific aspect in reviews or comments. Recent attempts mostly adopt attention-based mechanisms to link opinion words to their respective aspects in an implicit way. However, due to the tangle of multiple aspects or opinion words occurred in one sentence, the models often mix up the linkages. In this paper, we propose to encode sentence syntax explicitly to improve the effect of the linkages. We define an aspect-oriented dependency tree structure, which is reshaped and pruned from an ordinary parse tree, to express useful syntax information. The new tree is then encoded into a multifaceted syntax network, to be used in combination with attention-based models for prediction. Experimental results on three datasets from SemEval 2014 and Twitter show that, with our syntax network, the aspect-sentiment linkages can be better established and the attention-based models are substantially improved as a result.
嘉宾简介：权小军，教授，博士生导师。先后于中国科学技术大学计算机系、香港城市大学计算机系、美国罗格斯大学商学院、美国普渡大学计算机系、香港城市大学语言学与翻译系、新加坡科技研究局资讯通信研究院从事自然语言处理、文本挖掘和机器学习的研究工作，在国际知名期刊和会议如IEEE T-PAMI，ACM TOIS，ACL，IJCAI，SIGIR等发表论文30余篇。权小军2012年毕业于香港城市大学，获博士学位，回国前就职于新加坡科技研究局资讯通信研究院，任研究科学家，期间除从事相关方向的基础研究外，也同工业界紧密合作探索研究成果的应用。
杨敏 深圳先进技术研究院 助理研究员
报告主题：方面级别情感分析方法研究
报告摘要：方面级别情感分析（Aspect-level Sentiment Analysis）是更细粒度的情感分析任务，近年来受到了越来越多的关注和研究，本报告将介绍主讲人在方面级别情感分析任务上的几项研究工作。（1）提出特征增强注意力网络，融合单词内容特征、词性特征、位置特征得到特征增强的单词表示，并通过多视图共注意力机制从不同子空间中充分学习句子中内容词、方面词、情感词间的联系；（2）从人类认知角度出发，模拟人类阅读认知过程中预读、精读、后读三个阶段，提出包含词级别交互感知模块、目标感知语义蒸馏模块、语义反馈模块的类人类语义认知网络，以更贴近人类认知的方式解决方面级别情感分析问题；（3）提出一个人工标注的大规模方面级别情感分析数据集，显著提升了方面级别情感分析任务的难度，同时提出了一个新模型，在新的数据集中表现出良好的效果。
嘉宾简介：杨敏,中国科学院深圳先进技术研究院助理研究员，中科院深圳先进院得理法律人工智能联合实验室主任。2017年博士毕业于香港大学计算机科学专业，主要从事自然语言处理领域的研究，如情感分析、主题模型、文本摘要、智能问答等，在相关领域的知名学术期刊和会议(如AAAI, SIGIR, ACL, IJCAI, KDD, EMNLP, CIKM, TKDE,TOC, TMM)上发表论文50余篇。
陈伟 搜狗AI交互技术中心 高级总监
报告主题：面向社会媒体的多模态情感分析与表达
报告摘要：社会媒体已进入多元化的时代，多元化的用户需求驱动着社会媒体的表示形式呈现多模态的特点，因此如何借助多模态媒体资源，提升用户情感体验非常重要，因此本报告会结合搜狗分身中多模态交互技术的研发经验，探讨如何针对海量的异构数据进行情感的分析，如何借助多模态生成的技术提供高表现力的情感表达。
嘉宾简介：陈伟，搜狗语音交互技术中心高级总监，首席科学家，负责搜狗语音(识别、合成、声纹等)、图像(手写、唇语识别等)、机器翻译等多个技术方向，并主要负责搜狗知音OS、机器同传、语音听写、旅行翻译宝、录音翻译笔等多项软硬件产品的技术研发工作，致力于通过技术和产品的创新提升人工智能技术的实际落地能力，为用户提供优质的使用体验。