日期	时间	主题	特邀讲者	主持人
8月24日上午	8:30–10:00	多模态知识图谱研究与展望	李直旭	刘铭
	10:30-12:00	多模态语义结构化：问题、方法与应用	徐童
8月24日下午	14:00-15:30	高效知识图谱构建与推理	张宁豫、张文
	16:00-17:30	事理知识增强的可解释自然语言理解	丁效
8月25日上午	8:30-12:00	智能人机对话技术进展及展望	陈露	朱其立
8月25日下午	14:00-17:30	无监督机器翻译回顾与展望	王瑞

T1

报告题目：多模态知识图谱研究与展望

报告摘要：多模态智能是人工智能当前发展的主流趋势之一，其核心是以多模态知识的获取，表示与推理为主要内容的跨模态知识工程与认知智能。本讲将围绕多模态知识图谱与跨模态认知智能展开相关研究现状的介绍，分享与展望该方向的研究热点、关键挑战与未来方向。

讲者简介：李直旭，复旦大学研究员、博士生导师，兼认知智能国家重点实验室苏州分部副主任。博士毕业于澳大利亚昆士兰大学，主要研究方向为知识图谱、认知智能、大数据分析与挖掘。在领域主流期刊和国际会议上发表论文150余篇，主持十余项国家和省部级科研项目及校企合作项目。

T2

报告题目：多模态语义结构化：问题、方法与应用

报告摘要：多模态信息以其更为多元的信息呈现，在人工智能应用中的重要价值日益突显。然而，其更高的信息密度和非结构化的特性，也为语义理解和知识提取等任务上带来了更大的挑战。近年来，语料的积累与技术工具的成熟，特别是图神经网络技术与多模态信息的深度融合，为突破多模态语义结构化瓶颈提供了极富想象力的可能性。在本次报告中，我们将首先讨论多模态语义结构化所面临的主要挑战和相应的技术进展，进而将介绍基于结构化信息的多模态智能应用，并探讨未来的发展方向。

讲者简介：徐童，中国科学技术大学副教授。中国计算机学会高级会员、中国中文信息学会青年工作委员会/情感计算专委会执行委员、社会媒体处理专委会委员。研究领域为数据挖掘与社交媒体分析。发表IEEE TKDE、ACM TOIS、KDD、WWW、ACM MM等中国计算机学会推荐A类期刊/会议论文50余篇。主持多项国家、省部级科研项目。获2项国际学术会议最佳论文奖或提名，指导学生获7项权威竞赛/测评奖项。2022年获安徽省计算机学会优秀青年科学家奖。

T3

报告题目：高效知识图谱构建与推理

报告摘要：知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的大规模语义网络。知识图谱构建旨在从海量结构化和非结构化数据中进行实体、关系、属性和事件抽取，将知识存储到知识库中，最后进行进一步的知识推理和图谱应用。本讲将围绕高效知识图谱构建与推理开展相关研究现状的介绍，分享该方向相关的热点研究如元学习、预训练、提示学习、图神经网络、规则挖掘等，展望未来的研究方向，并介绍知识图谱抽取工具DeepKE与知识图谱推理工具NeuralKG。

讲者简介：张宁豫，博士，浙江大学副教授。研究方向包括自然语言处理、知识图谱等，在自然语言处理和知识图谱领域已发表近三十余篇顶级会议和期刊文章，包括ICLR、ACL、EMNLP、NAACL、KDD、WWW、AAAI、TASLP等，Google Scholar引用一千余次，多次担任ACL、NeurIPS、ICLR、ICML、KDD、AAAI等顶级会议程序委员会委员，获得过浙江省科技进步二等奖、国际会议IJCKG最佳论文提名、CCKS最佳论文奖，担任中国中文信息学会语言与知识计算专委会委员、青年工作委员会委员。

讲者简介：张文，浙江大学软件学院特聘研究员，硕士生导师。主要研究方向包括知识图谱、大数据智能、图计算等。目前已在包括WWW、ICDE、SIGIR、KDD、IJCAI等在内的国际顶级会议发表论文30余篇，论文主题包括表示学习、规则挖掘、预训练等。

T4

报告题目：事理知识增强的可解释自然语言理解

报告摘要：大规模常识知识库与基于认知的逻辑推理是人工智能发展面临的瓶颈问题。知识图谱的构建使得人类在常识知识的积累取得了长足的进步，然而，现有的典型知识图谱主要是以实体及其属性和关系为研究核心，缺乏对事理逻辑这一重要人类知识的刻画。为了弥补这一不足，事理图谱应运而生，它能够揭示事件的演化规律和发展逻辑，刻画和记录人类行为活动。此外，近年来数据驱动的深度学习方法显著提升了多项文本推理任务的性能，但仍然面临稳定性差、可解释性弱等挑战。针对以上问题，本次报告重点介绍事理图谱常识知识库的基本概念，以及基于事理图谱的可解释自然语言理解方法，介绍如何利用数据驱动与知识驱动相结合的方法使得自然语言理解的结果更加稳定并可解释，最后简单介绍事理图谱的潜在应用。

讲者简介： 丁效，哈尔滨工业大学副研究员，博士生导师。主要研究方向为人工智能、自然语言处理、认知推理和事理图谱。在ACL、AAAI、IJCAI、EMNLP、TASLP等人工智能领域的著名国际期刊和会议上发表相关论文40余篇。承担国家自然科学基金面上项目等多项省部级以上项目，参与国家重大科技基础设施建设项目（大科学工程装置建设）、“新一代人工智能”重大项目、国家自然科学基金重点项目等多个科研项目。荣获黑龙江省科技进步二等奖、SemEval 2020国际语义评测“检测反事实陈述”任务第一名，入选2022年AI 2000全球人工智能最具影响力学者（AMiner评选）。担任中文信息处理黑龙江省重点实验室副主任，中国中文信息学会社会媒体处理专委会常务委员，语言与知识计算专委会委员，中国中文信息学会青年工作委员会委员。

T5

报告题目：智能人机对话技术进展及展望

报告摘要：近年来人机对话技术在智能客服、智能硬件、智能语音助手等领域取得了广泛的应用。随着预训练语言模型的快速发展，人机对话系统的自然语言理解、对话生成以及各种知识的应用能力都得到了较大的提升。本报告将围绕不同类型的对话系统，介绍对话理解及生成、知识应用方面的最新进展，其中将重点介绍面向各类型对话任务的预训练语言模型。最后，本报告将探讨智能人机对话系统当前面临的重要挑战以及未来发展趋势。

讲者简介：陈露，上海交通大学计算机科学与工程系助理研究员。主要研究兴趣包括智能人机对话与问答、自然语言处理等。目前已在ACL、EMNLP、NAACL、AAAI、IEEE T-ASLP等自然语言处理方向重要国际会议和期刊上发表论文30余篇，获自然语言处理权威国际会议COLING2018领域主席推荐奖，博士论文获评2020年上海交通大学优秀博士学位论文奖、2021年中国计算机学会（CCF）优秀博士学位论文奖提名。曾多次带领团队参加国内外智能人机对话与智能问答方向权威挑战赛/技术评测并获得冠军或第一名。

T6

报告题目：无监督机器翻译回顾与展望

报告摘要：机器翻译是自然语言处理和人工智能的一个经典任务。 近年来，随着计算资源逐渐丰富，机器翻译得到了飞速的发展，在少数语言对上甚至达到了与人工翻译相近的性能。但是，大多数语言之间的平行语料是稀缺的，为了解决这个问题，基于单语语料库的无监督机器翻译开始进入了大家的视野。本次报告将先介绍无监督机器翻译的背景和最新进展。之后，我们将探讨无监督机器翻译面临的一些挑战以及对未来发展方向的展望。

讲者简介：王瑞，上海交通大学计算机系副教授、博士生导师，此前在日本国立情报通信研究机构（NICT）担任长聘研究员，研究方向是机器翻译。他在ACL, EMNLP, ICLR, AAAI, IJCAI, TPAMI, TASLP等国际权威会议和期刊发表论文60余篇，在EACL和 EMNLP上开设了机器翻译前沿讲习班。他主持了国家自然科学基金面上项目、日本国家青年基金、上海领军人才（海外）和上海市浦江人才计划。他担任了国际权威会议NeuRIPS/ICLR/EMNLP/NAACL的机器翻译领域主席，领导的团队在国际权威机器翻译测评WMT中获得多次第一名。其相关技术被广泛应用在东京奥运会官方机器翻译软件VoiceTra上，累计下载超过700万次。