2020年12月6日，应我中心邀请，中科院软件所林鸿宇博士来访信息学院，带来题为“面向信息抽取的序列到组块神经网络架构”的学术讲座。讲座由苏劲松老师主持，多名老师、博士生、硕士生及本科生参加了讲座。
林鸿宇，中国科学院软件研究所中文信息处理实验室博士后。2015年厦门大学软件学院工学学士，2020年中科院软件所工学博士。主要研究方向包括信息抽取、自然语言处理。近年来在自然语言处理顶级会议ACL及EMNLP发表论文10余篇，获得中国科学院院长奖特别奖、中国科学院大学优秀毕业生等荣誉。
在信息抽取中，有许多任务可以归纳为序列到组块的抽取问题。传统的基于序列标注的方法在模型设计、有监督优化和弱监督学习等层面都面临着重大的挑战。林鸿宇博士介绍了近年来在序列到组块信息抽取各个方向的研究进展。具体来说，在模型层面，基于自然语言的头词驱动结构的特性，林鸿宇博士介绍了区块生成网络和锚点区域网络模型。在有监督优化层面，林鸿宇博士介绍了动态权重缩放算法、代价敏感正则化方法以及基于差值学习的优化方法，使得模型在有监督优化的过程中更加贴近于任务的本质。最后，为了缓解模型对于完全标注数据的依赖，林鸿宇博士首先探究了序列到组块信息抽取泛化的关键因素，并且基于上述研究成果提出了基于超几何概率模型的远监督降噪方法以及字典增强的注意力神经网络模型。
