报告题目：自然语言处理中的知识抽取与文本语义匹配
报告摘要：
自然语言处理（Natural Language Processing，NLP）是以人类语言为对象，利用计算机技术来分析、理解和处理自然语言的一门学科,即把计算机作为语言研究的强大工具，在计算机的支持下对语言信息进行定量化的研究,并提供可供人与计算机之间能共同使用的语言描述，其目标是实现人与计算机之间的无差别通信。自然语言处理是人工智能领域中的一个重要方向。测试机器是否具有智能的“图灵测试”本质上就是测试一台机器是否具有和人类一样的自然语言交流能力。知识抽取是当前自然语言处理领域中的一个热点问题，其前沿研究主要集中在如何更好地从非结构化数据中抽取丰富的知识，并把这些知识应用于下游任务，进一步提升人工智能技术在问答、检索等领域的性能。然而，由于人类语言的特殊性，当前仍然面临着许多重大挑战，包括：文本语境复杂，训练数据标注困难，知识难以精准应用等问题。针对以上问题，本次报告将主要介绍：复杂语境下的重叠三元组抽取方法、基于聚类修正的原型网络小样本关系抽取框架，及知识驱动下的文本语义匹配技术。
报告人简介：
田原，吉林大学人工智能学院副教授，博士生导师。2019年博士毕业于吉林大学计算机科学与技术学院，长期从事自然语言处理、知识图谱、大数据智能等理论与应用研究。在ACL、WWW、AAAI、EMNLP等人工智能领域顶级会议和TKDE、IPM、KBS等顶级期刊发表高水平论文29篇，主持国家级、省部级项目、横向课题5项。参与国家自然科学基金区域联合（重点）项目等8项。同时，他也是WSDM、TALLIP等国际知名会议与期刊的审稿人。
报告时间：2023年11月2日（星期四）下午1:30-15:00
报告地点：吉林大学中心区逸夫教学楼第七阶梯
