会议背景

为进一步促进粤港澳大湾区暨海峡两岸青年科学家在人工智能领域的学术研究，推动战略新兴产业的融合发展。本次活动将邀请人工智能产业专家、行业领袖及青年研究者，共同探讨人工智能的发展趋势及粤港澳大湾区相关产业合作。现定于2020年12月12日-12月13日召开“2020粤港澳大湾区暨海峡两岸青年人工智能学术会议”。

会议地点：深圳市南山区西丽大学城哈工大校区F栋国际报告厅（大学城以外人员需要提前申请入校）会议提供全程网络直播。

日程

12月12日

09：00-09：30  开幕式

09:30-10:15 张大鹏院士 香港中文大学 《基于人脸多种特征的人工智能应用》

10:15-11:00 田永鸿教授 北京大学 《从渐进到颠覆：计算视觉的创新之路》

11:00-11:45 杨强教授 香港科技大学 《人工智能与数据治理》

14:00-14:40 刘康研究员中科院自动化所 《从向量到符号：端到端知识抽取新进展》

14:40-15:20 周建涛教授  澳门大学 《社交媒体上的图像安全与取证》

15:20-16:00张海军教授 哈尔滨工业大学（深圳） 《视链学习（VideoOut Learning） 》

16:00-16:40 李菁助理教授 香港理工大学 《社交中的语言理解》

16:40-17:20 蔡毅教授  华南理工大学 《Object-aware Multimodal Named Entity Recognition in Social Media Posts》

12月13日

09:00-09:45冯圣中研究员 国家超算深圳中心 《迎接中国超算的黄金时代》

09:45-10:30公茂果教授 西安电子科技大学 《深度神经网络结构优化》

10:30-11:15乔宇研究员 中科院深圳先进院 《复杂视觉信息的智能理解：挑战与机遇》

11:15-12:00黄锦辉教授 香港中文大学 《XC - an Explainable AI Method to make your Chatbot Trustable》

14:00-14:40沈琳琳教授 深圳大学 《生成对抗网络变脸术》

14:40-15:20梁小丹副教授 中山大学 《高效可迁移的自动化网络结构搜索》

15:20-16:00彭卫华副教授 百度深圳 《大规模知识图谱构建及产业实践》

16:00-16:40张鹏教授 天津大学 《量子理论和自然语言理解》

16:40-17:20权小军教授 中山大学 《All-in-One XLNet for Multi-Party Conversation Emotion Recognition》

大会主席

王轩教授 哈尔滨工业大学（深圳）

哈尔滨工业大学计算学部副主任，哈工大（深圳）计算机科学与技术学院执行院长，中国人工智能学会常务理事，深圳市计算机学会理事长，深圳市人工智能学会副理事长，广东省人工智能与机器人学会监事长，广东省计算机学会副理事长，深圳互联网多媒体应用技术工程实验室主任，鹏城实验室AI赋能项目负责人。研究领域包括人工智能和网络空间安全。获得教育部一等奖、航天部二等奖、省科学技术奖项发明类一等奖、深圳市科技创新奖、深圳市科技进步奖各一项。

徐睿峰教授 哈尔滨工业大学（深圳）

哈工大（深圳）计算机科学与技术学院院长助理，亚洲自然语言处理联合会亚洲语言资源委员会主席。中国人工智能学会理事、青年工作委员会副主任，中国计算机学会自然语言处理专委会副秘书长。主要研究方向为自然语言处理、文本情感计算、社交媒体挖掘等。出版英文学术专著2本、译著1本，发表国际期刊会议论文150余篇。曾获教育部高等院校科技进步奖二等奖、黑龙江省科学技术进步奖二等奖、中国人工智能学会优秀博士学位论文指导教师奖。

会议组委会主席

户保田博士 哈尔滨工业大学（深圳）

高翠芸博士 哈尔滨工业大学（深圳）

特邀报告

张大鹏院士 香港中文大学

题目：基于人脸多种特征的人工智能应用

摘要：What features or information can we observe from a face, and how can these information help us to understand the person concerned, in terms of their well-being and what can we learn about and from each given feature? This presentation answers these questions by first dividing a face's multiple characteristics into two main categories: original (or physiological) features and features that change over a lifetime. The first category, original features, may be further divided into two sub-classes: features special (or unique) to an individual, and features common to a particular group. The second, changed features, can also be subdivided into two groups: features altered due to disease or features altered by other external factors. From these four sub-categories, four different AI applications — facial identification using original and special features; beauty analysis using original common features; facial diagnosis by disease changed features; and expression recognition through affect-changed features — are identified. Some typical examples are given to illustrate the effectiveness of these AI applications.

简介： He has been a Chair Professor at the Hong Kong Polytechnic University where he is the Founding Director of Biometrics Research Centre (UGC/CRC) supported by the Hong Kong SAR Government since 1998. Currently he is Presidential Chair Professor in Chinese University of Hong Kong (Shenzhen). Over past 40 years, he has been working on pattern recognition, image processing and biometrics. He has published over 20 monographs, 500+ international journal papers and 40+ patents from USA/Japan/HK/China. He has been continuously 7 years listed as a Highly Cited Researchers in Engineering by Clarivate Analytics during 2014-2020. He is also ranked about 80 with H-Index 117 at Top 1,000 Scientists for international Computer Science and Electronics. Professor Zhang has been selected as a Fellow of the Royal Society of Canada. He also is a Croucher Senior Research Fellow, Distinguished Speaker of the IEEE Computer Society, and an IEEE Life Fellow and an IAPR Fellow.

田永鸿教授  北京大学

题目：从渐进到颠覆：计算视觉的创新之路

摘要：自2012年ImageNet竞赛中提出AlexNet模型以来，深度学习与计算视觉的紧密结合已经走过了七年，并取得了大量有价值的技术突破。然而，计算视觉仍不能解决很多领域的挑战性难题，同时基础模型的颠覆性革新日益减少。因此每一个计算视觉领域的研究者都应该思索计算视觉的未来发展应当何去何从？针对这一问题，本报告将从“深耕细作”和“另起高炉”两个维度，结合报告人团队的近期研究进展，探讨当下计算视觉的创新研究可行道路，以期达到抛砖引玉之效。

简介：北京大学博雅特聘教授，博士生导师，2018年国家杰出青年基金获得者，兼任鹏城实验室人工智能研究中心副主任。主要研究方向为视频大数据分析处理、机器学习与类脑视觉计算。累计主持国家重点研发计划项目、国家自然基金重点项目等国家、省部级与企业合作项目30余项，发表学术论文200余篇，获2015年欧洲信号处理学会JIVP期刊最佳论文奖和2018年IEEE多媒体大数据国际会议(BigMM)最佳论文奖；拥有美/中国发明专利70余项，获国家技术发明和科技进步二等奖各一次、省部级一等奖2次。

杨强教授 香港科技大学

题目：人工智能与数据治理

摘要：当下，AI 在算法研发方面突飞猛进，但AI在落地实施中却遇到巨大的困难。AI 所面临的一 个挑战是标注数据的严重不足，并形成孤岛，同时数据治理和隐私安全的法规日益严格，这导致许多优秀AI算法模型无法得到有效训练与实施，成为人工智能应用下的一个巨大挑战。在这一讲座中，我将描述如何利用联邦学习和迁移学习的智能解决方案，包括：利用联邦学习来连接数据孤岛的数据， 以得到可以保护隐私的的分布式机器学习模型的训练和应用，以及利用迁移学习来解决小数据和冷启动的问题。同时，我将讨论如何将这两个新技术应用于金融行业，以解决金融行业应用的痛点。

简介：香港科技大学计算机与工程系讲座教授和前系主任，微众银行首席人工智能官，第四范式公司联合创始人，AAAI-2021大会主席，国际人工智能联合会（IJCAI）理事会前主席，香港人工智能与机器人学会（HKSAIR）理事长，智能投研技术联盟（ITL）主席，华为诺亚方舟实验室首任主任，ACM TIST 和IEEE TRANS on BIG DATA创始主编，CAAI，AAAI，ACM，IEEE，AAAS等多个国际学会的Fellow。领衔全球迁移学习和联邦学习研究及应用，著述包括《迁移学习》、《联邦学习》等。

冯圣中研究员 国家超算深圳中心

题目：迎接中国超算的黄金时代

摘要：超级计算作为国之重器，被誉为计算机殿堂的皇冠，一直是大国较力的焦点。超算能够大幅度降低技术创新门槛、缩短技术创新周期、降低技术创新的不确定性，在科技创新尤其是提升技术创新效率中，发挥着不可替代的作用。近年来，大数据、AI技术的快速发展和深入广泛的应用，提出了新的算力需求，对超算系统构建也提出了新挑战、带来新机遇。报告将分享上述观点并简要介绍国家超算深圳中心近期进展。

简介：国家超级计算深圳中心主任，中国科学院“百人计划”研究员、博士生导师。中国计算机学会杰出会员、CCF深圳主席，国家高性能计算总体组专家。曾荣获中国科学院杰出成就奖、国家科技进步二等奖，获首届“春晖杯”创新创业大赛一等奖、微软HPC学者项目学生及教师研究奖第一名。发表SCI/EI收录论文100余篇。主要研究方向为高性能计算、生物信息学等。

公茂果教授 西安电子科技大学

题目：深度神经网络结构优化

摘要：深度神经网络借助其深层结构，具备很强的复杂问题建模能力，在特征的自主表达学习、数据的适应性等方面表现出明显的优势，在机器视觉、语音识别等诸多领域中取得了良好效果。然而，深度神经网络在理论研究上仍然存在亟待解决的瓶颈难题。首先深度网络的结构设计困难，如网络结构、层数、节点数目等大多需要人工设定；同时，模型的表达参数对性能的影响显著，需要反复调参；而且，基于梯度的网络优化算法存在梯度弥散和陷入局部最优的缺点。本报告将介绍团队近期在解决深度神经网络结构优化难题上的一些思路和尝试，并汇报在深度神经网络应用上的一些新进展。

简介：西安电子科技大学计算智能研究所所长，智能安全前沿研究中心负责人，陕西省重点科技创新团队负责人，国家“万人计划”科技创新领军人才,中国人工智能学会青年工作委员会主任。主要研究方向为计算智能理论与方法、网络信息感知与隐私保护、雷达与遥感智能系统，主持国家重点研发计划、国家863计划、国家自然科学基金等二十余项课题，发表论文100余篇，被引用一万余次，H-index引用指数50+，入选中国高被引学者，授权国家发明专利30余项，获国家自然科学奖 、教育部自然科学奖等省部级以上科技奖励5项。

乔宇研究员 中科院深圳先进技术研究院

题目：复杂视觉信息的智能理解：挑战与机遇

摘要：近年来，深度学习在图像和视频分类中取得重要进展在ImageNet、ActivityNet等大规模图像视频分类任务上取得优异的识别率。场景和视频行为分析识别都是计算机视觉的基本问题，在监控、人机交互、检索等领域有重要的应用。在这个报告中，我们将介绍面向复杂场景和视频行为识别深度学习技术的最新进展，特别是我们课题组近年来开展的一些工作和应用，并讨论未来发展趋势。

简介：中科院深圳先进技术研究院研究员，数字所所长。从事计算机视觉、深度学习、机器人、生物信息等领域的研究开发。入选万人计划领军人才，科技部中青年科技创新领军人才等。发表学术论文200余篇，论文累计被引19000余次，H-index为57。以第一完成人获广东省技术发明一等奖等。

黄锦辉教授 香港中文大学 

题目：XC - an Explainable AI Method to make your Chatbot Trustable

摘要：Chatbots are popular AI applications in today’s commercial sector. They make extensive use of Natural Language Processing (NLP) and Dialogue System techniques to understand what a human user wants and guide him/her to the desired outcomes. Existing research in chatbot mainly focuses on performance improvement (e.g. to minimize the number of turns to answer a query) and deep learning approaches are commonly used for this purpose. Due to the opaque “black box” nature of deep learning functions, layman users cannot understand the reason and logic behind the chatbot’s decision of his/her request. In fact, lack of explanability renders chatbots confusing and user-unfriendly. By the same token, developers are not sure about the features and factors which contribute most to the trained model. Recently, eXplainable AI (XAI) technology are introduced to overcome this predicament. However, existing XAI methods are mainly used to explain NLP applications based on deep learning on static data. Yet, in practice, each turn (ie text presented by the chatbot system) is generated dynamically based on the conversation history and system interactions with the users. For this reason, existing XAI methods are ineffective for chatbots which involves dynamic data generated from chatting through multiple turns of man-machine interaction. This lays down the objective of or project: to research and develop a novel XAI method, referred to as XC (Explainable Chatbot), to explain features and temporal factors that determine a chatbot’s response or decision. XC can identify (1) the importance of the key phrases leading to the answer and (2) the change of the phrases between conversation turns, which can be viewed as the derivative of the phrase over turns. The former is the “feature” which enables users to uncover the relationships between aspects, sentences and keywords embedded in a dialogue; and the latter is the “time factor” which reveals the chatting behavior of the users reflected by the change of the feature over turns. Respectively, these two pieces of information make the decision and the decision process of a chatbot transparent and traceable. Furthermore, they identify potential flaws in a chatbot and analyze the behavioural changes of a user, which in turn helps developers adjust the underlying chatbot algorithms.

简介：K.F. Wong is Professor in the Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong (CUHK). He serves as the Associate Dean (External Affairs) of Engineering, CUHK. He serves as the President of Asian Federation of Natural Language Processing (AFNLP, 2015-2016). KF’s research interest focuses on Chinese computing, social media processing and information retrieval. He has published over 250 technical papers in these areas in different international journals and conferences and books. He is Fellow of ACL (2020) and Editor-In-Chief of ACM Transactions on Asian Language Processing (TALIP).

青年科学家报告

刘康研究员中科院自动化所 

题目：从向量到符号：端到端知识抽取新进展

摘要：知识抽取是自然语言处理和知识工程领域的一个重要问题。本报告将结合研究组近两年的研究工作，介绍端到端的实体知识生成方法。我们从习得的语义数值向量中利用Decoder模型直接生成符号表示的实体关系三元组，从而直接生成建立语义数值向量到符号化知识的映射。这样的优势在于可以避免传统方法分步操作带来的误差传递问题，也可以很好的解决多个三元组的重叠问题。

简介：中国科学院自动化研究所模式识别国家重点实验室，研究员，博士生导师。研究领域包括信息抽取、网络挖掘、问答系统等，同时也涉及模式识别与机器学习方面的基础研究。在自然语言处理、知识工程等领域国际重要会议和期刊发表论文90余篇，Google Scholar引用7300余次。曾获COLING 2014最佳论文奖、Google Focused Research Award、中国中文信息学会“汉王青年创新一等奖”、中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖、北京市科学技术进步一等奖等多项学术奖励。

周建涛副教授  澳门大学 

题目：社交媒体上的图像安全与取证

摘要：由于移动设备和社交网络的普及，在线分享图像近年来变得非常流行。各类丰富的社交平台吸引了海量用户，并成为人们存储和发布图像的主要方式之一。这一流行趋势给人们的交流带来极大便利的同时，也伴随着诸多潜在的隐患和挑战，其中尤以用户的隐私问题最引人注目。一方面，大众的广泛参与使得隐私泄露的风险激增；另一方面，各种非法的内容窃取和滥用行为也广泛存在。因此，社交媒体上的隐私保护和取证技术变得迫切且至关重要。今次的报告将阐述团队在社交媒体上的图像安全与取证技术的研究。报告的内容主要涉及三个部分，包括基于加密技术的高鲁棒在线隐私保护图像分享方案；适用于社交网络的主动/被动图像取证技术；以及通过最优预滤波来增强社交媒体上分享图像的质量。

简介：澳门大学科技学院电脑与资讯科学系副教授，人工智能与机器人中心代主任。曾入选第五批国家青年千人计划。从事多媒体信息取证与安全、图像处理、计算机视觉、机器学习等领域的研究。在IEEE Trans. Image Processing、IEEE Trans. Signal Processing、IEEE Trans. Information Forensics and Security、IEEE CVPR、ACM Multimedia等国际顶级期刊和会议中发表论文140余篇。自2018年11月，担任图像处理领域的顶级期刊IEEE Trans. Image Processing（影响因子9.34）的副编辑。获得2016和2020年度IEEE ICME最佳论文奖。 

张海军教授 哈尔滨工业大学（深圳） 

题目：视链学习（VideoOut Learning） 

摘要：Recent years have witnessed unprecedented development of technologies in Artificial Intelligence (AI), Internet of Things (IoT), and cloud computing under the globally networking environment. Advanced video processing techniques play a central role in many real-world industrial systems. With high popularity of some video processing techniques such as object detection, localization, classification, clustering, scene understanding methods, many engineering problems can now be solved effectively using data-driven machine learning approaches, especially the use of deep learning methods. In this talk, we will firstly introduce current state-of-the-art methods for intelligent fashion analysis. The second part of the talk will detail the concepts and applications of “Video Out” techniques. The last part of the talk will introduce some recent works on basic tasks of “Video Out”, including clothing generation, retrieval, recommendation and their applications.

简介：哈尔滨工业大学（深圳）计算机科学与技术学院教授、博士生导师。主要研究方向为多媒体数据挖掘、机器学习、视链优化等。在IEEE TNNLS、TKDE、TCYB、TII、TMC、PR等重要期刊和会议发表论文70余篇。获得2018年广东省自然科学奖1项。目前，担任Neurocomputing、Pattern Analysis and Applications、Neural Computing & Applications 期刊编委；担任国际会议NCAA2020、NCAA2021、IEEE ISPCE-CN等会议主席。

李菁助理教授 香港理工大学 

题目：社交中的语言理解

摘要：社交媒体是人类社会在互联网世界的一个映射，其全球范围内的迅猛发展，正在深刻变革着人与人之间的交流方式，获取新信息和交换个人观点的主要方式也随之向线上平台倾斜。这些都为研究者探索人们的社交行为提供了数据的基础。然而，社交媒体数据的爆炸式增长已经远远超过了人类阅读和理解的能力。为了帮助社交行为的分析和理解，研究组长期聚焦于如何自动化语言理解的过程，从而为有效分析大规模的社交数据提供技术支持。虽然近些年自然语言处理技术已经取得了很大突破，大多数现有的工作仍然围绕正式的文本类型（例如新闻、百科等），这些方法直接迁移到简短而口语化的社交文本上无可避免地会遇到数据稀疏性问题。本报告将讨论三种可能的社交上下文——对话、主题和图片，以此使得社交语言理解能够在更丰富的语境中进行。基于消息级别的的语言理解结果，我们能够进一步理解用户的社交过程，自动分析讨论的主题和参与者的行为方式，从而预测社交行为未来的走向。

简介：李菁博士目前是香港理工大学电子计算学系的助理教授，博士生导师，兼任香港理工大学深圳研究院特聘副研究员。2017年毕业于香港中文大学系统工程与工程管理学习获哲学博士学位。2017年到2019年，担任腾讯AI Lab自然语言处理中心高级研究员。李菁博士研究主要包括信息抽取、对话理解、社交文本处理和语言表示学习，在自然语言处理顶级会议和期刊（主要包括ACL/EMNLP/NAACL/CL/TACL）上发表论文20余篇。她的研究曾经获得2020年度CCF-腾讯犀牛鸟基金，入选EMNLP 2018最佳评委（全球前7%）和NLPCC 2015最佳学生论文。

蔡毅教授  华南理工大学 

题目：Object-aware Multimodal Named Entity Recognition in Social Media Posts

摘要：Visual contexts often help to recognize named entities more precisely in short texts such as tweets or snapchat. Visual objects are considered as fine-grained image representations. For a sentence with multiple entity types, objects of the relevant image can be utilized to capture different entity information. We propose a neural network which combines object-level image information and character-level text information to predict entities. To better exploit visual and textual information in NER, we propose an adversarial gated bilinear attention neural network. The model jointly extracts entity-related features from both visual objects and texts, and leverages an adversarial training to map two different representations into a shared representation. 

简介：华南理工大学教授，博士生导师，大数据与智能机器人教育部重点实验室主任，华工-金山办公软件联合实验室主任。中国计算机学会中文信息技术专委会委员、数据库专委会委员；中国中文信息学会语言与知识计算专委会委员、社会媒体计算专委会委员；广东省大数据专委会副主任委员；香港裘搓基金内地访问学者；广东省“千百十工程”培养对象，广东省特支计划青年拔尖人才。蔡毅教授曾获得多个学术奖项，包括2019年47届日内瓦国际发明展银奖，2019年广东省科技进步二等奖，2018 中国计算机学会科学技术奖技术发明二等奖等，在IEEE TKDE、IEEE TMM、AAAI、ACL、ACM MM、EMNLP、COLING、CIKM、AAMAS等顶级国际期刊和会议上发表论文140多篇。

沈琳琳教授 深圳大学 

题目：生成对抗网络变脸术

摘要：讲座将围绕基于生成对抗网络（GAN）的人脸编辑展开，首先介绍GAN、pixel2pixel、StarGAN等几个GAN技术发展历程中的经典网络；然后介绍我们针对特定人脸目标区域进行精准变换，以及在StyleGAN基础上对人脸属性进行编辑的研究工作；最后介绍如何利用这些变脸技术，提高训练数据不均衡情况下人脸识别的性能。

简介：爱思唯尔计算机学科“中国高被引学者”，深圳市“鹏城学者”特聘教授、英国诺丁汉大学计算机学院荣誉教授、澳门大学杰出访问学者；广东省教育厅中英合作视觉信息处理实验室主任、深圳大学计算机视觉研究所所长、医学影像智能分析与诊断研究中心主任。曾获国际期刊《Image and Vision Computing》最多他引论文奖。2019年获吴文俊人工智能自然科学奖，2012-2017先后获得广东省、中国电子学会和深圳市自然科学奖。开发的人脸识别算法曾获ICPR算法测试亚军，开发的细胞荧光图像分类算法连续获得IEEE ICIP 2013、ICPR 2016国际细胞图像分类算法大赛冠军。

梁小丹副教授 中山大学 

题目：高效可迁移的自动化网络结构搜索

摘要：现有深度学习模型都需要大量人工模型和参数调优，在不同的数据集需要手动设计不同的最优模型结构。从系统性角度考虑，研究高效的自动化机器学习算法，可以针对不同任务快速自动生成最优的模型结构和参数配置近期受到广泛关注。这次主要从知识蒸馏的自动化网络结构搜索、针对物体检测和全景分割的网络结构模型，超参数和损失函数的结构搜索和可迁移的网络结构学习等方面介绍最新的研究进展，并探讨未来的发展方向。

简介：中山大学百人计划副教授，主要研究方向为计算机视觉和机器学习，研究鲁棒性、可解释性和通用性的视觉感知和图结构推理模型，及其在以人为中心的视觉分析和自动驾驶场景中的应用。2016-2018在美国卡内基梅隆大学（CMU）做博士后研究。在人工智能和计算机视觉顶级会议和期刊发表数十篇论文（TPAMI, CVPR, NeurIPS, ICCV, ACL等），Google引用次数超过7700余次。荣获2019阿里巴巴达摩院青橙奖，吴文俊人工智能优秀青年奖，CSIG石青云青年女科学家奖，ACL 2019 Best paper Nomination,  Neurips 2019 Nvidia Pioneer Research Award. 

彭卫华先生 百度深圳 

题目：大规模知识图谱构建及产业实践

摘要：知识图谱当前已经成为产业界开展下一代人工智能应用的重要基础，应用前景广阔。本报告介绍百度在大规模通用知识图谱及拓展出来的复杂知识、多媒体知识、行业知识图谱的核心技术与产业应用实践。

简介：百度知识图谱部主任研发架构师，负责知识图谱部深研整体技术研发工作，包括事件图谱、医疗认知计算、智能创作等业务方向，研发成果应用在百度搜索、信息流、好看视频等产品线，以及媒体、医疗、政务等行业智能化升级中。擅长搜索&推荐算法、机器学习、自然语言处理、知识图谱等技术，在EMNLP、COLING等知名国际会议发表多篇学术论文，拥有10年以上相关的工业界实践经验。

张鹏副教授 天津大学 

题目：量子理论和自然语言理解

摘要：量子理论的数学框架为建模人类认知过程的不确定性提供了强大的理论工具，量子认知已经应用于人工智能、心理学、认知科学、社会学等多个宏观领域。特别地，在大数据和人工智能方面，衍生出量子机器学习和量子信息检索等新兴的研究方向。本次报告将主要介绍将量子理论应用在信息检索和自然语言处理等人工智能任务的基本思想、主要模型和前沿进展。通过回顾量子信息检索的发展历史，介绍量子语言模型的研究动机和研究脉络，重点讲述近年来量子理论在语言建模方法、预训练语言模型优化以及信息检索相关性匹配建模等方面的突破性进展，并提出进一步的研究思路与未来愿景。

简介：天津大学智能与计算学部副教授，计算机学院副院长，入选天津大学北洋学者-青年骨干教师计划，微软亚洲研究院铸星计划，十余年来致力于量子信息检索和量子人工智能的研究工作，并积极推动研究成果的落地应用。发表论文包括中国计算机学会（CCF）推荐A/B类会议论文（NeurIPS, SIGIR，ICLR，ACL，IJCAI，AAAI，WWW，CIKM，EMNLP）和期刊论文（TNNLS，TKDE，TIST，IP&M）。获得顶级学术会议SIGIR 2017 Best Paper Award Honorable Mention，欧洲信息检索会议ECIR 2011 Best Poster Award。

权小军副教授 中山大学 

题目：All-in-One XLNet for Multi-Party Conversation Emotion Recognition

摘要：对话情感识别是自然语言处理领域的新兴任务，它研究从包含两个或多个对话者的对话中识别人类的情感，如恐惧、愤怒、喜悦、惊喜等。对话情感识别是实现个性化与人性化人机对话的首要任务，是提升计算机情感智力的基础。由于多轮对话场景的独特性和复杂性，使得对话情感识别任务面临更大的挑战，主要体现在以下三个方面。首先，对话内容可能是内容简短、信息稀缺的短文本，如“是的”，这给文本建模与情感识别带来较大的困难。其次，受到“情感惯性”的影响，对话者在整个对话过程中往往表现出一致的情感，这就需要在情感识别的过程中参考对话者的历史对话信息。最后，受到其它参与者的影响，对话者可能表现出“情感转移”现象。这些因素决定了对话情感识别需要综合考虑对话上下文、分辨不同参与者、动态建模对话数据。本报告将详细介绍对话情感识别任务并回顾最新进展。

简介：中山大学计算机学院教授、博士生导师。中国计算机学会自然语言处理专委会委员，中国中文信息学会青工委委员，入选广东省“珠江人才计划”海外青年英才团队。先后于中国科学技术大学计算机系、香港城市大学计算机系、美国罗格斯大学商学院、美国普渡大学计算机系、香港城市大学翻译及语言学系、新加坡科技研究局资讯通信研究院从事自然语言处理和机器学习的研究工作，在国际知名期刊如IEEE T-PAMI，ACM TOIS，Information Sciences和会议如ACL，WWW，SIGIR，IJCAI，EMNLP等发表论文50余篇。2012年博士毕业于香港城市大学。曾就职于新加坡科技研究局资讯通信研究院，任研究科学家，领导或参与了同中国平安、新加坡星展银行（DBS）、联想（新加坡）及渣打银行的合作项目。