江苏龙网

  1. 首页 > 人文 > >

「爱因儿科技」场顶会直播全在这里了，四月，18( 四 )


（二）结合词典的中文命名实体识别
主讲人：马若恬,李孝男
直播时间：4月26日
直播链接：http://mooc.yanxishe.com/open/course/805
内容介绍：
命名实体识别（NamedEntityRecognition ， NER）是自然语言处理中最基础的任务之一 ， 对很多下游任务来说必不可少 。 但在中文里 ， NER与分词耦合在了一起 ， 结合词典的中文命名实体识别能够有效解决词级别和字级别中文命名实体识别的问题 。 本次我们将分享这一领域的相关工作 ， 并介绍我们的工作：1.简化中文命名实体识别中的词汇使用2.使用FlatLatticeTransformer的中文命名实体识别 。
（三）基于对抗样本的依存句法模型鲁棒性分析
主讲人：曾捷航
直播时间：4月27日
直播链接：http://mooc.yanxishe.com/open/course/806
内容介绍：对抗样本问题的存在使得深度学习模型在应用落地上存在大量的潜在风险 ， 对抗样本已经在计算机视觉领域取得了不少研究成果 ， 包括多种攻击与防御方法 ， 最终目的是为了提高深度学习模型的鲁棒性 。 在自然语言处理领域 ， 与对抗样本相关的研究较少 ， 本次分享从文本对抗样本问题出发 ， 分析主要做法、存在问题 ， 并将其拓展到依存句法领域 。
ICDE2020
直播主题：ICDE2020|华东师范大学×滴滴：利用轨迹数据自动校准道路交叉口拓扑信息
主讲人：刘国平
直播时间：4月29日
回放链接：https://mooc.yanxishe.com/open/course/810
内容介绍：
作为数字道路地图的关键部分 ， 道路交叉口是多条相互连接道路的交汇处 ， 其几何特征和拓扑属性的精确性在移动导航和其他位置服务中起着重要作用 。 另一方面 ， GPS轨迹序列数据是用户在实际道路上的观测 ， 蕴含了实际路网的拓扑信息 。 基于此 ， 滴滴和华东师范大学数据学院创新性地提出了一种交叉路口三阶段校准算法框架-CITT 。 CITT首先将道路交叉口检测问题扩展为道路交叉口影响区的拓扑校准问题 。 与现有的道路交叉口更新方法不同 ， 该方法不仅确定道路交叉口核心区的中心位置和覆盖范围 ， 同时挖掘出路口与邻接路段的转向路径 ， 之后与现有路网进行匹配 ， 找出整个影响区内的错误或缺失的转向模式 。 大量的基于滴滴实际数据和公开数据的对比实验表明 ， CITT方法具有很强的稳定性和鲁棒性 ， 并且明显优于现有方法 。
添加小助手 ， 备注【会议名称+姓名】 ， 可入相应会议交流群


推荐阅读


上一篇：『越南』越南“封杀”中国的代价来了

下一篇：「每日科技果粉」| 张正友忆华人计算机视觉宗师 Thomas S. Huang，追寻大师的脚步