【導讀】西湖大學張嶽博士在EMNLP2018 上做了《Joint Models for NLP 》的Tutorial。
自然語言處理中的很多任務包含多個步驟。比如，分詞是很多中文處理任務的基礎。每個步驟任務可以分別建模,形成一個多部模型。然而,多部模型具有兩個缺點。首先,不同步驟之間存在錯誤蔓延。其次,不同步驟之間難以共享信息。聯合模型可以用於解決以上問題。構造聯合模型的挑戰有兩點。第一,不同步驟的搜索空間組合形成算法挑戰。第二，不同步驟之間信息共享形成建模挑戰。這次講習班討論聯合模型用於不同自然語言處理任務,從統計模型開始,到神經原網絡模型爲止。基於圖和基於轉移的模型會被討論。
張嶽
張嶽，2003年畢業於清華大學計算機科學專業，獲得學士學位；2006年畢業於牛津大學計算機科學專業，獲得碩士學位；2009年畢業於牛津大學計算機科學專業，獲得博士學位。2010年3月-2012年6月在劍橋大學計算機科學專業從事博士後研究，2012年7月-2018年8月在新加坡科技與設計大學擔任助理教授。擬定2018年全職回國工作。
個人主頁：
https://frcchang.github.io/index.html
http://www.wias.org.cn/index.php?a=kydetail&catid=487&id=8925&web=chinese
請關注專知公衆號（掃一掃最下面專知二維碼，或者點擊上方藍色專知）
- 後臺回覆“JMNLP” 就可以獲取全文報告 PPT下載鏈接~
報告PPT
PPT內容較多，建議在後臺下載全部內容查看。
-END-