主讲人：王斌博士（中国科学院信息工程研究所，研究员、博导、课题组组长）

时间：2015年10月13日（周二）上午10点

地点：信工楼E301

报告概要：

尽管知识图谱为海量信息提供了结构化的存储方式，其符号化的表示形式仍然极大程度地制约了人们对其进行操作与建模，阻碍了其在更多实际任务中的进一步应用。针对这一问题，一种当下流行的研究方向就是将知识图谱中的实体和关系在隐式向量空间中进行表示、建模与学习，从而将实体和关系可计算化，以达到简化知识图谱操作与建模的目的。此类表示学习方法简单、高效，一经推出便受到了学术界的高度关注，在知识抽取、知识推理等相关任务中均得到了广泛应用。然而，此类方法属于单纯数据驱动型方法，在学习过程中往往只用到了知识图谱中的三元组信息，在面对精确的抽取和推理任务时往往存在精度不足的缺陷。如何将可获取的多样化信息融入到知识图谱表示学习之中，成为了当下极具理论和应用价值的研究议题。本次报告将简要介绍知识图谱的表示学习方法，以及近期我们在引入多样化信息这一方向上的初步研究成果。

主讲人简介：

近年来，王斌博士先后主持多项国家973子课题、863、国家自然科学基金、国际合作基金、国家信息安全保障持续发展计划、北京市自然科学 基金、企业横向合作等课题。目前在包括国际重要会议SIGIR、CIKM、EMNLP等在内的会议和刊物上发表及合作发表学术论文100余篇。获得软件注册3项，专利6项。领导开发的多个系统在相关部门实际使用。独译《信息检索导论》、《大数据：互联网大规模数据挖掘与分布式处理》两本斯坦佛大学教材，合译《机器学习实战》。自2006年开始在中国科学院大学讲授《现代信息检索》课程。担任ACL、CIKM、COLING、AIRS多个国际国内会议的程序委员会及组织委员会委员。他现任中文信息学会理事、中文信息学会信息检索专业委员会委员 、《中文信息学报》编委、中国计算机学会高级会员/Yosef委员及中国计算机学会中文信息处理专业委员会委员。他领导课题组多次参加国际文本检索评测会议(TREC)并获得好成绩，获得2004年度国家科技进步二等奖，所在团队多次被评为计算所优秀集体，多次获得所优秀员工奖及优秀教师奖。