iPIN 研究员李双印博士独家解析:循环聚焦机制如何与主题模型碰撞火花?

AI 科技评论按:李双印博士目前在香港科技大学攻读博士后,师从香港科技大学计算机系主任杨强教授。他的主要研究方向主要包括数据挖掘、人工智能、文本建模、深度学习,论文曾被 IJCAI、ICDM、UAI 等顶级国际会议收录。李双印作为第一作者的论文《Recurrent Attentional Topic Model》入选 oral presentation,入选口头展示论文(oral),AI科技评论与李博士日前进行了交流,并整理成文与读者分享。

李双印博士

李双印在 iPIN 的工牌号为 intern01。在公司里,大家只知道叫他「大师兄」,但他与 iPIN 的渊源,很多在公司实习的研究生们也不甚清楚。这一切最早还要追溯到 2013 年,当时李双印还在中山大学跟随潘嵘教授攻读博士,并在微软亚洲研究院(MSRA)实习,主要的工作是用深度学习的方法实现半结构化文本建模。彼时 iPIN 成立伊始,CEO 杨洋邀请潘嵘教授一同合作,李双印也跟随导师到 iPIN 参与算法研发工作,自然成为了第一号实习生。

AI科技评论此前对 iPIN 做过不少覆盖和报道,目前 iPIN 在信息提取、语义认知及检索排序等积累了实践经验,涵盖高考志愿填报、招聘及生涯规划等领域。在李双印看来,iPIN 的业务主要集中人和企业的商业价值挖掘,凭借语义认知平台,将人从繁琐的工作中释放出来,聚焦更具价值的商业决策。「在技术上,我们的进展还是比较突出的,比如文本生成、文本分类、检索排序等、都有很深的基础和经验。」而李双印在 AAAI 2017 上发表的这篇论文,则属于在语义认知方面研究工作的一个探索。

循环机制与聚焦机制在深度神经网络上的应用十分广泛,而李双印之前一直是做主题模型的相关课题,因此他很自然地想到,能否将这两种方法应用于主题模型上,并提出了名为「Recurrent Attentional Topic Model(简称 RATM)」的新概念。句子作为一种文本信息的基本组成单元,RATM 主要基于文本中句子之间的主题连贯性,利用文档中的单词信息,以及句子间的序列信息对文档进行有效建模。文档建模与分类是一个非常古老的问题,对于它的解决没有止境。不论是之前的基于贝叶斯理论的主题模型,还是当前火热的深度学习技术等,在文本特征提取与分类上,本质上都是提供了一种提取文本特征信息的方法。

在 AAAI 2017 oral presentation 时,李双印博士介绍了 RATM 如何应用于社会经济图谱,这是一个针对整个经济社会的各个主体,以及主体间关系进行建模和量化的一个庞大系统。其中的各个主体(比如人、职位、学校、公司、行业等),这些比较高层次的信息相当于金字塔的塔顶。而基础概念(类似于百科和 wiki 中的词条)相当于塔底,即语言系统中基础信息的认知、关系以及推理,「缺少这些基础的信息认知,社会经济图谱就像空中楼阁。因此,我们还需要对语言系统中的基础信息进行建模和认知。我们在单词,句子及文本上的建模研究和探索,比如提出 RATM 模型,都是在试图解决社会经济图谱和基础信息之间的鸿沟,并希望能够将社会经济图谱构建的更加完善和落地。」

作为研究性课题,李双印表示目前该论文成果尚未应用于实际场景中。他认为,此工作未来的主要研究方向,依然会集中于充分利用文本特点,如何快速提取有效的文本及句子的特征向量,以及向量的可解释性。此前AI 科技评论在报道国内企业的 AAAI 2017 论文收录情况时,也提及了这篇论文。iPIN CEO 杨洋在接受采访时也表示,他们会尝试将机器在决策中的分析过程以逻辑的形式梳理出来。相信在未来,iPIN 在认知框架上会有更多的尝试和突破。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-03-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

微软人工智能首席科学家邓力:深度学习十年简史和人工智能未来展望(33PDF下载)

【新智元导读】微软人工智能首席科学家邓力18日在首届世界人工智能大会 AI WORLD 2016 发表主旨演讲《深度学习十年简史和人工智能未来展望》。邓力博士回...

3617
来自专栏新智元

【MIT计算机视觉预测城市衰落】下一个北上广在哪?人才比钱重要

【新智元导读】 一个社区,一个城市的未来会发展成什么样?计算机视觉可以告诉我们答案。MIT 媒体实验室的研究员分析了160万组拍摄于不同年份的照片。使用比较的结...

3174
来自专栏机器之心

观点 | 深度学习虽好,但也有深度的烦恼

选自SIAM 作者:Michael Elad 机器之心编译 参与:微胖、李泽南 本文作者 Michael Elad 是以色列理工学院的计算机科学教授,他也是学术...

2916
来自专栏Bingo的深度学习杂货店

图像识别——突破与应用

最近,图像识别领域发布了白皮书,简单翻译一下做个总结。 ---- 目录 [1] Introduction      1.1 Exponential Growt...

1.3K11
来自专栏新智元

【Quora直播】LeCun:深度学习突破,对抗式网络最值得期待

【新智元导读】Facebook AI实验室负责人、深度学习三驾马车之一的Yann LeCun今天(没有错,就在几个小时之前!)在Quora上回答提问,有一万多人...

3253
来自专栏IT派

传统程序员要不要转行到AI?

近年来,随着 Google 的 AlphaGo 打败韩国围棋棋手李世乭之后,机器学习尤其是深度学习的热潮席卷了整个 IT 界。所有的互联网公司,尤其是 Goog...

943
来自专栏AI科技评论

盘点丨2016十大 AI 演讲,大牛们都发表了什么真知灼见?

新年到来,也不要忘记和 AI 科技评论一起温故而知新啊。 在刚刚落下尾声的 2016 年,许许多多的人工智能大神们站在台上分享他们的所见所感,AI 科技评论整理...

3689
来自专栏大数据文摘

AI开拓者Yann LeCun:深度网络优雅又闪耀 | 福布斯人物专题

20世纪80年代中期,Mullet发型和粉红格子夹克大行其道(译者注:mullet发型是一种文化现象),精力充沛的Richard Simmons刚刚掀起健身狂潮...

940
来自专栏华章科技

【MIT计算机视觉预测城市衰落】下一个北上广在哪?人才比钱重要

【导读】 一个社区,一个城市的未来会发展成什么样?计算机视觉可以告诉我们答案。MIT 媒体实验室的研究员分析了160万组拍摄于不同年份的照片。使用比较的结果,研...

831
来自专栏大数据文摘

不学好数学也想当数据科学家?不存在的

1523

扫码关注云+社区

领取腾讯云代金券