人工智能研究在知识发现与知识传播领域中的几个新方向.PDF

人工智能研究在知识发现与知识传播领域中 的几个新方向 同方知网（北京）技术有限公司 张振海 2017/11/22 提纲 一．神经信息检索 二．神经机器翻译 三．智能问答 四．阅读理解 五．图像文字声音的融合 六．思维导图生成 七．选题分析 八．创新点挖掘 九．引用动机分析 一○．用户画像 （一）神经信息检索：改进了检索的性能 基于深度神经网络的信息检索，更好处理如下问题： • 词汇问题：同义，近义，未登录词，集外词 • 查询扩展问题 • 跨语言: 中文、英文、俄文、德文、法文、日文等 • 跨媒体: 文本，图像，声音 查全查准率都有提升，神经信息检索可望成为下一代信息检索系 统的核心技术。 （二）神经机器翻译促进学术传播 推动学术媒体全球一体化 • 无论中文向外传播，还是 西文向内传播的速度都明 显加快。 • 中外文互译的质量都有较 大提高。就信达雅的三个 层面而言，目前可以说达 到了基本可信的阶段。 • 学术媒体跨语言传播，全 球一体化的趋势正在形成。 （三）智能问答：在事实类问答方面已超过人类 • 科学研究与技术开发都需要 问答系统具有三种能力：学习、 大量事实类数据支撑。事实 理解、推理，是事实类数据查找 类知识数据自动处理一直是 发现的重要技术途径。 重要的研究方向。 • 例子： • 2011年，IBM的Watson发布 • 服用阿莫西林有什么副作用？ • 知网的QA • 乙醇对表面活性剂临界胶束浓度的 • 问题类型：5W1H 问题回答 影响 • 回答方式： • 光质对白芷生长发育的影响 • 2012年第一季度中国黄金储备 • 基于检索的问答 • 回流焊设备的传送方式有几种 • 基于知识库的问答 • 基于知识图谱的问答 （四）机器阅读理解 机器扫描文本，理解文本内容，并能基于文本内容回答相关问题 • bAbi: Facebook,1000个问题 • MCTest: MSR,650短篇小说 • CNN/DailyMall：DeepMind 、30万新闻 • CBT ： Facebook 、儿童书测试、98本书、60万个问题 • SQuAD ： 斯坦福大学、10万个问答对、500多篇文章 • 测试类型：选择题 、完型填空、问答 （五）图像文字声音的融合：从图像识别 到图像语义分割(1) 图像处理能力是我们最为重要的感知能力，我们大部分的信 息都要通过眼睛获得。 计算机已经能够识别复杂图像中的不同的语义对象 图像中的学术不端检测 （五）图像文字声音的融合：相互转换， 统一发现(2) • 从文字到图像：根据文字描述生成一幅图像；从图像到文字：给一幅图像生 成一段文字描述；从图像到声音：生成背景音乐。 • 可以利用文字检索图像，也可以利用图像检索到文字，声音可以转换为文字， 文字可以转换为声音。 • 为增强出版知识内容提供了很好的发现手段。 /@samim/generating-captions-c31f00e8396e （六）思维导图自动生成 • 思维导图 是一种将思维形象化的方 法。出版物是思想的成果。 • 文献思维导图 在知识图谱技术的支撑下， 可以为每一篇文章自动生