主题：学术文献关系描述生成和文本风格迁移主讲人：李稳摘要：本次报告介绍两篇基于预训练模型展开的工作。其中一篇的任务目标是生成给定两篇科学文献的文本关系描述，另一篇则是实现注入规则并上下文感知的文本风格迁移。时间和地点：9月28日14:00-15:00（星期二下午2点-3点），软件学院办公楼201会议室                 腾讯会议 ID：440 805 407主题：无监督的摘要生成方法主讲人：郑璐阳摘要：近几年，文本的摘要生成方法中...

一、 主题：NER中的零样本和弱监督学习主讲人：吴佳琪摘要:命名实体识别中的监督学习模型在一些极端情况下很难有好的表现，比如在领域迁移时遇到的数据稀少甚至没有数据的情况。这次介绍的两篇论文，一篇从实体Query角度出发，通过Query引入的实体语义层面的知识，实现zero-shot场景下的NER。另一篇则从弱标记样本的角度出发，通过少量的强标记数据和众多的弱标记数据来提升目标场景下NER的性能。时间和地点：9月18日9:00-10:00...

报告主题：服务包推荐：从关系学习到组合语义获取报告时间：2021.6.11 9:00 -11:00报告地点：山东大学软件学院 教学楼5-108报告摘要：在现实推荐场景中，用户需要的往往不是单个服务，而是多个相关的服务。通过对服务潜在关系的学习，可以为用户提供一组具有互补性的服务；同时，两个或多个服务在一起时有可能“涌现”出新的语义，学习这种组合语义也有助于提高推荐的效果。报告中将对服务包推荐的一些问题进行探讨，也将介绍其...

报告主题：推荐系统研究的进展报告时间：2021.6.11 9:00 -11:00报告地点：山东大学软件学院 教学楼5-108报告摘要：推荐系统在工业界得到了广泛的应用，同时在学术界得到了深入的研究。本次报告将首先回顾推荐系统的基本模型和方法，然后介绍三个演讲者所提出的推荐模型，最后对推荐系统研究的挑战和目前的趋势做一简要介绍。杨波教授简介：杨波，于西安交通大学获得工学学士、工学硕士学位，于新加坡国立大学获得博士学位并从事...

报告主题：基于深度学习的可解释性推荐报告时间：2021.6.11 9:00 -11:00报告地点：山东大学软件学院 教学楼5-108报告摘要：近年来，随着深度学习在自然语言处理、语音识别和图像处理等领域取得的突破性进展，推荐系统研究也迎来了新的机遇。一方面，深度学习可以通过训练一种深层次非线性的网络结构，具有强大的从样本中学习数据本质特征的能力，能够获取用户和物品的深层次特征表示。另一方面，深度学习由于具有自动特征学习的...