基于隐变量的深度文本生成研究

神经网络机器翻译的研究表明在大规模平行数据上训练的序列到序列模型具有良好的生成性能。值得注意的是简单的序列到序列模型在生成的多样性和可控性方面还有一些不足，难以满足不同任务中的文本生成需要。本次报告介绍南京大学自然语言处理研究组在机器翻译、复述、词典释义生成等任务中引入隐变量的研究工作。在这些研究工作中，我们使用隐变量来建模生成过程中的一些特殊属性或者信息，从而提升对应任务上的生成效果。

讲者简介

黄书剑，博士，南京大学计算机科学与技术系副教授，博士生导师。分别于2006年和2012年于南京大学获得工学学士和博士学位。主要研究方向包括机器翻译、计算机辅助翻译、文本分析与理解、知识发掘等。曾担任ACL，AAAI，IJCAI，NAACL，EMNLP等会议的PC、SPC等，担任CCMT2019程序委员会主席，NLPCC2016机器翻译领域主席，CWMT2017、2018评测委员会主席等。现任中文信息学会青年工作委员会执行委员，中文信息学会机器翻译专委会副主任。2017年受江苏省自然科学基金优秀青年基金和江苏省青年科技人才托举工程资助。2018年联合指导的博士生获得中国人工智能学会优秀博士生奖。