实录分享 | 计算未来轻沙龙：对话系统研究进展（视频 + PPT）

最新推荐文章于 2019-12-28 13:22:15 发布

PaperWeekly

最新推荐文章于 2019-12-28 13:22:15 发布

阅读量918

点赞数

本文链接：https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/82392595

版权

640

9 月 1 日（周六）上午，PaperWeekly 携手清华大学计算机系正式推出了一档全新线下栏目—— 计算未来轻沙龙。清华大学计算机系副教授黄民烈、微软小冰核心对话组负责人刘越等四位嘉宾，系统而深入地分享了对话系统领域的最新研究进展。

本文将独家分享本期活动的完整视频回顾和嘉宾课件下载。

640

黄民烈 / 清华大学计算机系副教授

黄民烈，清华大学计算机系副教授，博士生导师，人工智能研究所副所长。研究兴趣主要集中在人工智能、深度学习、强化学习，自然语言处理如自动问答、对话系统、情感与情绪智能等。已超过 60 篇 CCF A/B 类论文发表在 ACL、IJCAI、AAAI、EMNLP、KDD、ACM TOIS 等国际顶级或主流会议及期刊上。获得 IJCAI-ECAI 2018 杰出论文奖，2016、2017 年两次入选 PaperWeekly 评选的最值得读 10/15 篇 NLP 论文之一，获得 NLPCC 2015 最佳论文，其关于情绪化聊天机器人的工作被 MIT Technology Review、NVIDIA、英国卫报(The Guardian)、参考消息、新华社等媒体广泛报道。

曾担任多个国际顶级会议的领域主席或高级程序委员，如 AAAI 2019、IJCAI 2018、IJCAI 2017、ACL 2016、EMNLP 2014/2011，IJCNLP 2017 等，长期担任 ACM TOIS、TKDE、TPAMI、CL 等顶级期刊的审稿人。作为负责人或学术骨干，负责或参与多项国家 973、863 子课题、多项国家自然科学基金，并与国内外知名企业如谷歌、微软、三星、阿里巴巴、腾讯、百度、搜狗、美团等建立了广泛的合作。获得专利授权近 10 项，其中 2 项专利技术授权给企业应用。

构建更智能的对话系统：语义、一致性和交互性

构建开放域、开放话题的对话系统是目前人工智能领域最具挑战性的任务之一，因为其要求机器能够理解自然语言，具备世界知识，甚至拥有语义推理的能力。报告人将重点阐述目前对话系统中存在的三个基本问题，即语义、一致性和交互性。

现在已有一些初步的研究试图解决这三个问题，报告人也将展示最近所做的研究工作，旨在构建更智能的聊天机器人。这些工作包括：如何使聊天机器人通过情绪的检测和表达，以及主动提出问题来和用户更好地交互；如何使聊天机器人通过显式的人格建模表现得和给定的人物设定一致；如何使聊天机器人通过使用常识来辅助自然语言理解和生成，从而在语义层面表现得更加智能。报告人相信这些尝试会使聊天机器人向更智能、更类人的方向发展。

640

刘越 / 微软小冰核心对话组负责人

刘越，微软亚洲互联网工程院资深研发工程师，先后从事 Bing，Cortana 和微软小冰等多项产品的研发工作，现任微软小冰核心对话组负责人。

开放域对话的新场景和新挑战

在这次讲座中，首先会给大家介绍一下微软小冰的最新进展。然后从工业界角度谈一谈对开放域对话系统和产品的认识，并介绍我们的核心对话引擎。最后和大家分享我们在几个重要场景中的探索和实践。

640

吴俣 / 北航-微软亚洲研究院联合培养博士生

吴俣，北航-微软亚洲研究院联合培养博士生。参与了微软多款聊天机器人相关产品的开发，并在近两年来在 ACL、AAAI 等国际顶尖学术会议和期刊发表关于对话机器人的论文近 10 篇，并担任 ACL，COLING 等会议对话系统和人机交互领域的审稿人。

基于改写技术的聊天机器人回复技术研究

近些年来，生成式聊天机器人的技术已经取得了极大的发展，但回复仍然有时较短并且无趣。此次报告，将介绍利用原型改写（prototype-then-editing）技术的回复生成方式，该技术利用检索出的原型回复作为起点，并通过分析原型上下文和当前上下文语义的不同来改写原型回复。此方法与之前回复生成的从无到有（generation from scratch）模式不同，可以更好地利用已有数据，并在大规模数据集取得了良好的效果。

640