聂建云 教授

简介：Jian-Yun Nie is a professor in University of Montreal. He has been working in the areas of information retrieval and natural language processing for more than 30 years. His research spans a wide range of IR topics, including information retrieval models, cross-language information retrieval, query expansion and understanding, utilization of query logs, etc. Jian-Yun Nie has published a number of papers in IR and NLP. He is on editorial board of 6 international journals, and regularly serves as PC member of the major conferences in these areas. He has been the general chair of SIGIR conference held in Beijing in 2011.

报告题目：From document retrieval to knowledge-embedded information retrieval – the case of medical information retrieval

摘要：Through the long history of information retrieval (IR), many models have been developed; but the dominant techniques are still based on word matching, which work quite well in a context where many relevant documents exist. In some applications, the number of relevant documents may be limited and the judgment of the relevance of a document requires the use of knowledge. This is the case of medical IR. In this talk, I will use the medical IR case to show the expected evolution of IR: extending from word-based retrieval to concept-based retrieval, and to retrieval that embeds domain knowledge.

刘洋 副教授

简介：清华大学计算机科学与技术系副教授，博士生导师，国家优秀青年基金获得者。研究方向是自然语言处理，在自然语言处理和人工智能领域重要国际刊物Computational Linguistics和国际会议ACL、IJCAI、AAAI、EMNLP和COLING上发表50余篇论文，获ACL 2017 Outstanding Paper奖和COLING/ACL 2006优秀亚洲自然语言处理论文奖。承担10余项国家自然科学基金、国家863计划、国家科技支撑计划和国际合作项目，2015年获国家自然科学基金优秀青年项目资助。获得2015年国家科技进步二等奖、2014年中国电子学会科学技术奖科技进步类一等奖、2009年北京市科学技术奖二等奖和2014年中国中文信息学会钱伟长中文信息处理科学技术奖汉王青年创新奖一等奖等多项科技奖励。担任中国中文信息学会青年工作委员会主任兼计算语言学专业委员会秘书长、ACM TALLIP Associate Editor、国际计算语言学学会SIGHAN Information Officer、ACL 2015组织委员会共同主席、ACL 2014讲习班共同主席、ACL 2017与EMNLP 2016程序委员会机器翻译领域共同主席。

报告题目：基于深度学习的机器翻译

摘要：机器翻译研究如何利用计算机实现自然语言之间的自动翻译，是人工智能和自然语言处理领域的重要研究方向之一。基于深度学习的机器翻译方法主张利用神经网络直接实现自然语言之间的自动翻译，通过注意力机制有效处理长距离依赖，目前已取代传统的统计机器翻译成为学术界和工业界新的主流方法。报告将首先介绍基于深度学习的机器翻译的基本思想和主要方法，然后对清华大学自然语言处理组在该方向的研究进展进行介绍，最后对基于深度学习的机器翻译的未来发展方向进行展望。

刘奕群 副教授

简介：清华大学计算机系长聘副教授，兼任中国人工智能学会理事，中国中文信息学会理事、信息检索与内容安全专委会副主任等职务。主要研究兴趣集中在信息检索与互联网搜索技术。受邀担任国际著名学术期刊FnTIR联合主编，国际高水平学术会议SIGIR 2017短文主席、SIGIR2018程序委员会主席、NTCIR-13程序委员会主席等重要学术职务。获得2015年北京市科学技术一等奖、2010年钱伟长中文信息处理科学技术奖—汉王青年创新一等奖。2016年获得国家自然基金委优秀青年科学基金资助。 所指导学生获得SIGIR2017最佳学生论文奖。

报告题目：搜索引擎用户行为模型的构建及应用

摘要：结果排序技术是搜索引擎技术研究中的核心问题之一，而建立用户行为模型，挖掘纷繁复杂的用户行为数据中蕴含的隐式相关性反馈信息则是这一技术问题的重要进展方向。面对搜索结果中广泛存在的富媒体展现形式和多模态交互方式，当前绝大多数点击模型构建中所基于的同质性假设在真实搜索应用环境中受到越来越大的挑战。我将同大家交流搜索引擎用户行为模型构建工作的历史发展与现状挑战。特别的，将介绍清华大学智能检索课题组在搜狗公司协助下，基于眼动实验数据和海量规模用户行为日志数据对搜索引擎用户交互认知过程进行建模的工作。我们将结果展现形式、用户行为偏好和查询需求类型对用户行为的影响进行了深入分析与模型特征提取，进而更加全面的描述用户点击行为，协助搜索引擎构建具有异质性描述能力的行为模型，以更好的提升搜索引擎的结果排序性能。

组织委员会

组委会: 陈竹敏 (山东大学) 崔超然 (山东财经大学) 聂礼强 (山东大学) 聂秀山 (山东财经大学)

主办单位：山东大学、山东财经大学
时间：2017年8月15日
地点：山东财经大学燕山校区3号楼报告