摘要: 自然语言处理中有监督学习的方法占据了比较主流的场景,在各项任务上取得了较好的性能,然而有监督的学习方法需要依赖一定规模的训练语料,虽然在类似英语这样资源丰富的语言中,各个任务的标注资源较多,然而在面向中文、德语、葡萄牙语、日语等语言时,很多任务没有相关的人工标注语料。为了在这些语言上取得比较好的性能,跨语言迁移学习是一个非常好的途径,其主要方式是利用资源丰富语言的标注语料,去间接指导资源稀缺语言的任务模型,本次报告将主要针对无监督的跨语言迁移学习展开,梳理和介绍前沿最新的方法,以及可能的研究前景。

个人简介: 天津大学新媒体与传播学院长聘副教授。2014年博士毕业于哈尔滨工业大学,2014年11月至2015年11月在新加坡科技与设计大学做博士后,2016年1月至2019年3月为黑龙江大学副教授,2019年4月入职天津大学。主要从事人工智能、自然语言处理和机器学习相关的研究工作,包括文本词法句法语义分析、情感分析、文本生成、舆情分析与导控、社交网络分析和深度学习等,并在自然语言处理领域的知名国际会议以及期刊上(CCF A/B)发表论文30多篇,google被引达1000多次 。编写软件包括面向自然语言处理的深度学习库,以及若干自然语言处理工具包。承担国家自然科学基金二项。