2017年10月13日下午，浙江大学计算机科学与技术学院副教授，博士生导师赵洲应邀做客外语学院，为师生们带来了题为“智能问答的研究与应用”的学术讲座。
讲座中赵老师介绍了AI(artificial intelligence 人工智能) 运用在文本问答、阅读理解问答、知识库问答、系统视觉问答和对话系统系统中的研究成果和进展。
讲座之初，赵老师首先向外院师生们介绍了一个较为陌生的概念—— 问答系统(Question Answering System, QA)。这是信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户用自然语言提出的问题，满足人们对快速、准确地获取信息的需求。问答系统是目前人工智能和自然语言处理领域中一个倍受关注的研究方向，并被广泛应用于阿里巴巴、腾讯、微软、网易等各大公司的项目中。
接着，赵老师首先介绍了文本问答系统的研究。文本问答系统通过理解用户发布的问题，在海量答案数据中输出与之匹配的答案，从而提高用户的检索体验。与传统的深度学习方法仅仅是通过语义，建立问题与问题、问题与答案之间的语义联系不同，浙大团队使用“群智学习”建立问题与答案之间更紧密、多维的联系，让模型得到充分的学习。其中，“观点”的相互影响机制使对同一变量的许多独立判断的平均值比个人自己判断的预期错误率更低。这就是所谓群体的智能 (wisdom of crowds) 。
第二项研究涉及机器阅读理解问答。不同于传统的NLP研究，机器阅读模型不仅需要理解文本自身的语义，同时还需要具备强大的推理能力，根据用户简单的问题，在原文的上下文中进行逻辑推理，“猜测”出问题的答案。其应用能帮助人们凝练大量文章中的知识，并辅助人们更好地理解知识。浙大计算机学院团队采用记忆网络多层级嵌入（MEMEN: Multi-layer Embedding with Memory Networks for Machine Comprehension）机器阅读模型。该模型为问题与阅读文本编码并用记忆网络和注意力机制匹配问题与阅读文本内容，最后再定位问题答案在原文中的位置，具有相当高的实用价值。
知识库问答系统是指给定一个问题，算法通过对问题的理解，在知识库中进行推理与查找，得到合适的答案并反馈给用户。当今仍未有大规模的中文知识库，而其中中文知识库问答系统也是亟待解决的一项难题。赵洲团队运用神经网络对分词结果进行主题词判断，找到中文问答语句中的Topic Entity，以确定最佳的组合，并返回答案。
在视觉问答系统研究中，图片问答的难点在于如何理解图片与问题的语义信息，同时构建跨媒体的关联性。浙大计算机学院团队实现了对视频中的每一帧检测属性特征，矫正模型对视频的理解，并获取视频中连续帧的连续空间和时间信息，利用该信息增强模型对视频语义的理解，最后再根据问题主旨，应对视频中的无用信息，使用多通道特征，选取视频中有价值的内容。
在对话系统研究中，浙大团队的成果能够针对不同人的不同特点（比如身份、年龄、性别等个人信息），可以回复个性化的语句。其原理在于使用了双向学习（Dual Learning）机制，在增强学习框架的基础上，加入个性化定制模型，产生聊天的回复内容
讲座中，在座的师生们就人工智能应用语言测试、文本研究的分析问题进行交流与提问，赵老师也积极回应并提供了一些可行的操作手段。赵老师的讲座为外院师生的语言研究引入了原本觉得似乎遥不可及的人工智能手段，大家都深受启发。
外国语言学及应用语言学研究所
外国语言文化与国际交流学院青年平台
浙江大学大数据+语言规律与认知创新平台
2017.10.16
