【直播】【AI TIME】迈向常识知识的高级语义理解

常识作为一类高级知识，根据中科院曹存根教授的《A Survey of Commonsense Knowledge Acquisition》、纽约大学ErnestDavis教授的《Commonsense Reasoning and Commonsense Knowledge in Artificial Intelligence》以及陆汝铃院士的《世纪之交的知识工程与知识科学》等科学文献，这类知识应具有“共享”、“基础”、“隐含”、“大规模”、“开放域”、“默认”的特点。

在当前阶段，

如何定义并获取这类知识？

如何使机器理解这类知识，并进行知识推理，使其变得更加智能？

12月11日，晚8:00，本期PhD Debate-8就常识知识邀请了来自重庆大学、南加州大学、香港科技大学、中国科学院自动化研究所的的博士们，与大家一起探讨：

迈向常识知识的高级语义理解

精彩不要错过！

★ 嘉宾介绍 ★

盛泳潘：

现为重庆大学助理研究员。他于2020年在电子科技大学计算机科学与工程学院获得博士学位。他的研究主要集中在知识图谱领域，研究知识图谱表示学习、领域知识抽取及知识图谱构建、图神经网络表示学习等关键技术。主持1项开放基金课题，参与多项国家级/省部级专项课题。近年来，在WWW Journal、Information Sciences、Applied Intelligence、Cognitive Computation、ECML-PKDD、IJCAI、LREC等国际期刊/会议上发表多篇学术论文。

曾担任APWeb-WAIM 2020/2021国际会议程序委员会委员，PR Letters、Knowledge-based Systems、IEEE Access、《计算机研究与发展》、《电子学报》、《中文信息学报》、AAAI、NAACL等多个国内外期刊与会议的审稿人。

个人主页：https://shengyp.github.io/

林禹臣：

南加州大学计算机系博士生，导师为Prof. Xiang Ren。在此之前，他本科毕业于上海交通大学IEEE试点班（2014-2018），曾在Google AI 与 Facebook AI Research (FAIR) 担任研究实习生，分别受指导于William Cohen和 Scott Yih。他曾多次担任ACL, EMNLP, NAACL, ICLR, NeurIPS, AAAI等会议的审稿人，获得过WWW 2020 best paper runner-up, 百度AI新星等荣誉。

他的博士研究致力于自然语言处理中的常识推理（commonsense reasoning）——表征并融入常识知识于神经语言模型中，从而创造更贴近人类思维与行为的智能体。他的研究兴趣也包括联邦学习 (federated learning), 跨任务泛化（cross-task generalization），元学习（meta-learning），终身学习（lifelong/continual learning）等方向在自然语言处理中的应用。

个人主页：https://yuchenlin.xyz/ 

方天庆：

香港科技大学三年级博士，导师为Prof Yangqiu Song，研究方向为NLP中的常识知识获取和推理（Commonsense Acquisition and Reasoning）。

他尝试从大规模自动构建的事态（事件和状态）图谱中挖掘更多样、更大规模的常识知识，并定义了常识知识库扩充（Commonsense Knowledge Base Population）的任务。他的研究成果发表于WWW, ACL, EMNLP. 

个人主页：fangtq.com/

王晨皓：

中国科学院自动化研究所三年级博士生，导师为赵军研究员，研究方向为常识知识库的构建与应用（Commonsense Knowledge Base Construction and Application）。

他尝试借助语义框架（Semantic Frames）建立常识知识与语言学知识、实体知识的桥梁，从而构建融合多种认知层次的综合知识库。研究成果发表于AAAI Demo、ACL Demo、EMNLP。

★ 主持人 ★

郑建宇

清华大学博士生

AI TIME 论道专题直播&回放链接：

https://www.koushare.com/topic-sc/i/ai-time

编辑：黄琦

欢迎大家提供各类学术会议或学术报告信息，以便广大科研人员参与交流学习。