报告摘要：当前，图神经网络已经成为了学术界和工业界的研究热点。在图神经网络中，知识传播是图神经网络模型的核心机制，是模型有效利用和学习图的拓扑关系的关键。然而，当前大多数图神经网络模型在知识传播的过程中，会盲目地传递和聚合所有“邻居”节点的知识，这是否合理？目前很少有相关的工作对此进行研究。为此，本报告汇报图神经网络中自适应知识传播机制的最新进展，包括节点间、图模型间的动态的知识传播算法研究等, 并且分析了未来图神经网络中自适应知识传播的研究方向。

卡内基·梅隆大学（Carneige Mellon University）是一所享誉世界的私立顶级研究型大学，拥有全美顶级的计算机学院，其语言技术研究所（Language Technologies Institute ）也是世界顶级自然语言处理研究中心之一。 徐熙同学在大三学年加入语义计算实验室，在孙宇清老师的指导下参与“基于句法知识的无监督文本改写”以及"多样性文本生成"课题，其中“基于句法知识的无监督文本改写”工作被人工智能旗舰会议AAAI 2023录用。

       摘要——在文本改写生成任务中，句法的合理性是一个重要的考量。多数现有文本改写方法在使用隐含向量的方式控制句法和语义，无法保证结果的句法合理性。本文中我们探究词汇语用时的句法结构模式形成词汇组合知识，并将之整合到文本改写生成过程中，以显式的方式控制生成内容的句法。该组合知识通过建模词汇间的依存句法关系，形成词汇级句法合理性的估计函数。在文本改写过程中，通过一个层次化的句法结构损失函数，来量化所生成的句子是否满足给定的句法结构，以确保整句级别的句法合理性。以上方式使得生成过程能够正确考虑...

一、 主题：自然语言处理任务中的逻辑规则学习主讲人：郑威摘要:学习逻辑规则可以从显式的符号结构中发现和表示人类可理解、可检验的的知识。LogiRE模型将逻辑规则生成及推理应用于文档级关系抽取任务，利用最大期望算法（EM）进行整体优化，其中逻辑规则被视为隐藏变量。该篇文章通过向关系提取框架中引入逻辑规则作为关系和实体之间的交互，具有更好的可解释性。时间和地点：5月29日9:00-10:00（星期日上午9点-10点）办公楼20...

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...