支持花呗分期
自然语言是人类交流思想、表达情感最主要的方式，将成为实现人工智能最重要的支撑技术之一。但自然语言理解并不是一件容易的事情，自然语言具有的歧义性、非规范化、表达方式多样性等特点，是制约自然语言理解取得突破性进展的瓶颈。
近年来，深度学习在自然语言、图像、语音等领域都取得了显著的成绩。深度学习方法将自然语言理解与语义计算简化成端到端的“黑匣子”方式，忽视了知识引导在语义计算与深度理解上的关键作用。知识图谱作为结构化的显性知识，在语义表示、语义理解、语义推理、智能问答等语义计算任务中发挥着越来越重要的作用。
嘉宾介绍
周光有，华中师范大学教授、博导，中科院自动化所博士，主要研究领域：自然语言处理、智能问答、深度学习等。在ACL、CIKM、IJCAI、COLING、TKDE等国际顶级会议期刊上，以第一作者发表论文近20余篇，先后两次获得国际会议最佳论文奖。出版高等学校专业系列教材1部，获批国家发明专利11项、计算机软件著作登记10余项。主持国家和省部级以及横向研发项目10余项，并在智慧教育领域取得明显经济效益。
内容简要
（1）梳理知识图谱的发展脉络以及核心关键技术；
（2）基于知识图谱的智能问答：任务、方法、挑战，并以此介绍我们提出的基于深度融合模型的智能问答框架。
自然语言是人类交流思想、表达情感最主要的方式，将成为实现人工智能最重要的支撑技术之一。但自然语言理解并不是一件容易的事情，自然语言具有的歧义性、非规范化、表达方式多样性等特点，是制约自然语言理解取得突破性进展的瓶颈。
近年来，深度学习在自然语言、图像、语音等领域都取得了显著的成绩。深度学习方法将自然语言理解与语义计算简化成端到端的“黑匣子”方式，忽视了知识引导在语义计算与深度理解上的关键作用。知识图谱作为结构化的显性知识，在语义表示、语义理解、语义推理、智能问答等语义计算任务中发挥着越来越重要的作用。
嘉宾介绍
周光有，华中师范大学教授、博导，中科院自动化所博士，主要研究领域：自然语言处理、智能问答、深度学习等。在ACL、CIKM、IJCAI、COLING、TKDE等国际顶级会议期刊上，以第一作者发表论文近20余篇，先后两次获得国际会议最佳论文奖。出版高等学校专业系列教材1部，获批国家发明专利11项、计算机软件著作登记10余项。主持国家和省部级以及横向研发项目10余项，并在智慧教育领域取得明显经济效益。
内容简要
（1）梳理知识图谱的发展脉络以及核心关键技术；
（2）基于知识图谱的智能问答：任务、方法、挑战，并以此介绍我们提出的基于深度融合模型的智能问答框架。
- 1：【资料分享】知识图谱80篇精选论文集.zip
- 2-1：【课件】知识图谱与知识库问答.pdf
- 2-2：面向大规模知识图谱的智能问答
