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。

内容中包含的图片若涉及版权问题，请及时与我们联系删除