「PhD Talk」是 PaperWeekly 的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和交流可能会让知识的传播更加有意义,从而产生更大的价值。这是第18期「PhD Talk」
随着强化学习在机器人和游戏 AI 等领域的成功,该方法也引起了越来越多的关注。本期 PhD Talk,来自清华大学计算机系的博士生冯珺,将介绍如何利用强化学习技术,更好地解决自然语言处理中的两个经典任务:关系抽取和文本分类。
在关系抽取任务中,尝试利用强化学习,解决远程监督方法自动生成的训练数据中的噪音问题。在文本分类任务中,利用强化学习得到更好的句子的结构化表示,并利用该表示得到了更好的文本分类效果。本次分享的两个工作均发表于 AAAI。
嘉宾介绍
冯珺,清华大学计算机系博士五年级,师从朱小燕和黄民烈教授,主要研究方向为知识图谱,强化学习。目前已在 AAAI,COLING,WSDM 等国际会议上发表多篇文章。
PhD Talk
基于强化学习的
关系抽取和文本分类
清华大学博士生冯珺
内容分享√在线Q&A√
活动形式:PPT直播
活动时间
11 月 22 日(周三)20:00-21:00
45 min 分享 + 15 min Q&A
长按识别二维码,进入直播间
*或使用斗鱼App搜索「1743775」
往期回顾
基于双语主题模型的跨语言层次分类体系匹配
东南大学高桓:知识图谱表示学习
带多分类判别器的GAN模型
多源信息表示学习在知识图谱中的应用
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。
▽ 点击 |阅读原文| 加入社区