一、 主题：中文词内结构的深入研究主讲人：刘天元摘要:中文的词汇通常由多个汉字构成，与英文字母不同，汉字通常承担了更丰富的语义功能。本文研究汉字在组成中文词汇时，词内汉字的语义和结构功能，为更好的解决中文的词汇语义建模提供了新的思路、方法和工具。时间和地点：5月21日9:00-10:00（星期六上午9点-10点）办公楼201 腾讯会议 ID：522-7068-6445二、主题：图神经网络可解释性主讲人：夏天宇摘要：图神经网络由于...
一、 主题：图到文本的生成和词表学习主讲人：王舰摘要:预训练模型在小标注量的数据的文本生成任务上展现了优势。但是，对于结构化数据的文本生成，如知识图谱到文本的生成，无法有效的处理，本文探讨借助预训练模型进行图到文本的方法,2，词表的构建是NLP的基础问题，本文探讨词表的构建，首先从熵的角度建立词表的评估指标，随后将词表的学习转为最优传输问题，得到较好的词表。时间和地点：5月14日9:00-10:00（星期六上午9点...
一、 主题：学术信息抽取主讲人：李稳摘要:第一篇工作基于NLP领域的论文集合进行了知识图谱的构建，定义了三种实体和四种关系，描述了NLP领域的核心概念之间的关系，非常具有研究价值。第二篇工作的任务目标是关键词抽取，在以往工作中，关键词抽取通常包含两个步骤，首先抽取候选关键词，然后对其进行排序选出最终的关键词集合，本文作者通过多任务训练的方式，从三个角度对候选关键词的重要性进行了衡量，实验结果表明了本文...
一、 主题：few-shot NER主讲人：吴佳琪摘要:本次分享的两篇论文从不同的角度解决few-sho NER问题。一篇文章从实体概念描述生成角度出发，在少样本环境下，建立新类型和实体概念描述的映射关系，从而提高NER的性能。另一篇利用对比学习，从高斯嵌入的角度入手，学习更通用的实体特征表示，有助于few-shot场景下的NER时间和地点：4月23日9:00-10:00（星期六上午9点-10点） 腾讯会议 ID：522-7068-6445二、主题：引入情景化编码...
一、 主题：文本分类主讲人：郑威摘要:本次分享的两篇文章关于文本分类。第一篇文章从特征投影的角度来改进文本的表示学习，通过将类别相关特征投影到公共特征的正交空间，来使得前者更具分类的辨别力。第二篇关注基于少量用户提供的种子词的弱监督文本分类，其利用上下文化表示技术来解决种子词的解释问题。时间和地点：4月16日9:00-10:00（星期六上午9点-10点） 腾讯会议 ID：522-7068-6445二、主题：具有不受限制的多跳推...
