Yearly Archives: 2020

/2020

实验室林鸿宇博士、孙乐研究员分别荣获中国科学院院长特别奖、优秀导师奖

2020-10-15T10:15:48+00:00

中文信息处理实验室林鸿宇博士、孙乐研究员分别荣获中国科学院院长特别奖、优秀导师奖 近日,中国科学院公布了2020年度中国科学院院长奖评审结果,中国科学院软件研究所中文信息处理实验室2015级硕博连读生林鸿宇荣获“中国科学院院长特别奖”,其指导教师孙乐研究员荣获 “中国科学院优秀导师奖”。 林鸿宇,2015年进入软件所学习,2017年转为博士生,主要从事自然语言处理方向的研究。曾参与国家自然科学基金重点项目、国家重点研发计划等重大国家科研任务以及阿里、百度、腾讯等国内外知名企业科技研发任务。该生与合作者一起,在自然语言处理领域国际顶级会议ACL以及EMNLP上发表学术论文十余篇,论文被美国华盛顿大学、德国达姆施塔特工业大学、谷歌、MSRA等国内外知名高校企业学者引用。在信息抽取领域,该生提出了一套全新的序列到组块信息抽取框架,并在多个信息抽取任务上给出了当前国际上最好的结果。在知识抽取领域,该生提出的异构知识推理方法作为该领域的基本方法之一,被该领域相关综述以及国际知名课程多次引用。在学期间,该生还获得了研究生国家奖学金(2017年度和2018年度)、朱李月华奖学金(2019年度)、中国科学院大学三好学生标兵等荣誉称号。 中国科学院院长奖学金设立于1989年,每年评选一次,旨在激励研究生勤奋学习,创新进取,发现和奖励优秀年轻人才,促进我国科学事业的发展。中国科学院院长奖学金分为特别奖和优秀奖,是中科院研究生奖学金中含金量最高的奖项之一,今年的特别奖全院仅评选出80名。

实验室林鸿宇博士、孙乐研究员分别荣获中国科学院院长特别奖、优秀导师奖 2020-10-15T10:15:48+00:00

实验室多名研究生获2020年度中科院嘉奖

2020-07-24T10:06:27+00:00

实验室多名研究生获2020年度中科院嘉奖 根据《中国科学院软件研究所优秀学生评选办法》,经个人申请,各研究生培养小组初评和推荐,所评审小组评审,实验室多名研究生获2020年度中科院嘉奖。 2017级博士林鸿宇荣获“优秀毕业生”荣誉称号(全所5人) 2015级博士付成荣获“三好学生标兵”荣誉称号(全所5人) 2017级博士聂浩和2018级博士唐家龙荣获“三好学生”荣誉称号    

实验室多名研究生获2020年度中科院嘉奖 2020-07-24T10:06:27+00:00

中文信息处理实验室学术指导委员会正式成立

2020-01-13T15:24:46+00:00

中文信息处理实验室学术指导委员会正式成立 2020年1月12日,中国科学院软件研究所中文信息处理实验室学术指导委员会成立会议在北京成功召开。中国科学院软件研究所所长赵琛研究员致欢迎辞,并为学术指导委员会委员颁发聘书。实验室学术指导委员由三位专家组成:中国科学院计算技术研究所研究员、中国中文信息学会前理事长倪光南院士,中国电子信息产业集团有限公司首席科学家、中国中文信息学会理事长方滨兴院士,哈尔滨工业大学前党委书记、中国中文信息学会名誉理事长李生教授。 实验室主任孙乐研究员向各位专家汇报了实验室学术方向。孙乐研究员首先介绍了实验室目前的科研项目和人才团队,重点阐述了实验室围绕知识驱动的自然语言理解(K-NLU)这一学术方向,特别是在知识获取、知识融合及语义理解等方面面临的挑战和研究进展,最后就实验室发展向各位专家提出了一系列请教的问题。韩先培研究员演示了实验室研发的知识图谱资源、诗词平台和冬奥项目问答系统。 在听取了实验室学术方向汇报后,三位资深专家分别发言,从实验室学术方向规划、科研项目选择、人才队伍持续发展、成果落地及学生培养等多个方面对实验室工作进行了悉心指导,提出了许多宝贵意见和建议,为实验室今后发展指明了方向。        

中文信息处理实验室学术指导委员会正式成立 2020-01-13T15:24:46+00:00

南京理工大学夏睿教授应邀做学术报告

2020-01-13T14:03:09+00:00

南京理工大学夏睿教授应邀做学术报告 2020年01月10日上午,应实验室孙乐研究员和韩先培研究员的邀请,南京理工大学计算机学院夏睿教授到访实验室,为实验室师生做了题为“文本情绪检测与原因抽取”的学术报告。 夏睿老师的报告聚焦于文本情绪分析研究中情绪原因抽取任务,其目标是抽取文本中某些情绪表达背后的潜在原因。学术界目前采用了包括规则方法,传统机器学习方法和深度神经网络在内的技术来解决这些任务。针对当前研究中存在的问题,夏睿老师首先介绍了两种新的情绪原因抽取模型,并在此基础上提出了一项新的任务——<情绪-原因>对抽取,进行同步的情绪预测与原因挖掘,在情绪原因分析基准语料库上的实验证明了任务的可行性和方法的有效性。 首先,夏睿老师简单为实验室的老师和同学们介绍了情绪原因抽取任务是一个子句级的分类任务,并通过一个简单易懂的例子为大家说明了现有方法存在的问题:没有充分考虑情绪原因在文档中的分布规律。通过对数据的仔细分析以及任务的深入理解,夏睿老师的团队提出:1)子句与情感描述句的相对位置是一个很强的先验知识,离情感描述句越近的子句包含情感原因的概率越高;2)在一篇短文档中,情感原因往往只有1个或者两个。根据以上发现,夏老师为实验室师生介绍了他们发表在AAAI2019和IJCAI2019的两篇工作:From Independent Prediction to Reordered Prediction: Integrating [...]

南京理工大学夏睿教授应邀做学术报告 2020-01-13T14:03:09+00:00