北理工语言智能与社会计算研究所2篇长文被AAAI 2018录用

分类:热点新闻 创建于 2017-11-14 10:43 作者:高扬

        人工智能领域顶级权威国际会议AAAI 2018(the 32nd AAAI Conference on Artificial Intelligence)将于2018年2月2日至7日在美国新奥尔良举行。隶属于本中心的北京理工大学计算机学院语言智能与社会计算研究所共有2篇长文被AAAI 2018录用。
        北理工语言智能与社会计算研究所长期从事语言智能处理、深层语义感知推理、情感分析与意图挖掘、舆情挖掘分析、人工智能等领域研究,特别是在语义本体、自然语言特征描述的理论基础方面,拥有国际领先的自主核心技术。此次被录用的论文涉及语义知识表示、语义向量表示、深度哈希模型以及层次的主题标签等前沿算法研究,具有重要的理论和应用价值。
        AAAI被中国计算机学会(CCF)认定为A类会议,汇集了国际最顶尖的人工智能领域的专家学者。AAAI 2018围绕人工智能的研究与发展,将举办多场主题报告、论文交流、讲习班、前沿论坛、兴趣组研讨等活动,吸引世界各地的人工智能精英参加。
        语言智能与社会计算研究所被录用的长文简介如下。    

        Semantic Structure-based Word Embedding by Incorporating Concept Convergence and Word Divergence
        作者:刘茜,黄河燕*,张广全,高扬,宣俊宇,路节
        简介:词的语义表示是文本处理任务的基础。近年来,研究表明语料的文本上下文信息和外部知识库的语义知识可以互相补充,以训练高质量的词向量(Word Embedding)。但是现存的研究工作仅利用知识库中词对之间的关系。我们提出,知识库中词汇之间的结构信息可以更有效、更稳定的表示词汇的语义特点。因此,本文提出了基于语义结构的Word Embedding模型,并且提出概念聚合与词汇分散的思想,以在训练Word Embedding的过程中体现词汇的语义结构信息。在实验评价中,我们全面的选取了基于语料的模型、基于语料和知识库的模型进行比较。在词汇相似度测试、词类比测试、文本分类、查询词扩展任务上,我们的模型具有更好的语义表示效果。

        Supervised Deep Hashing for Hierarchical Labeled Data
        作者:王丹,黄河燕,陆池,冯博思,文贵华,聂李强,毛先领
        简介:近邻检索是大数据应用中的一个重要领域。哈希由于其检索速度快、存储开销小等优点,在近邻检索中得到了广泛的应用,成为了机器学习以及大数据学习中的一个热点。然而,现有的有监督哈希算法仅仅考虑了数据的相似或不相似性,并没有考虑标签的层次关系,这意味着它们忽略了存储在层次结构中的丰富语义信息。此外,考虑到层次这一概念,我们有必要为哈希码引入权重。为了解决上述问题,本文深入挖掘了标签的层次结构,为之设计了合理的相似度计算方式,并结合卷积神经网络,提出了一个新的深度哈希算法,称为面向层次数据的有监督深度哈希(SHDH)。通过在公开数据集上的大量实验验证了SHDH方法的有效性。

transsibérien trainоптом из китаярасширительный бак системы отопленияtrain transsibérienрастаможка груза