分享背景
▼
随着强化学习在机器人和游戏AI等领域的成功，该方法也引起了越来越多的关注。本次分享将介绍我们利用强化学习技术，更好地解决自然语言处理中的两个经典任务：关系抽取和文本分类。在关系抽取任务中，我们尝试利用强化学习，解决远程监督方法自动生成的训练数据中的噪音问题。在文本分类任务中，我们利用强化学习得到更好的句子的结构化表示，并利用该表示得到了更好的文本分类效果。这两个工作均发表于AAAI 2018。
分享主题
▼
强化学习在自然语言处理经典问题上的初探
分享提纲
▼
1、强化学习基本概念简要介绍
2、基于强化学习的关系抽取方法，解决远程监督方法自动生成的训练数据中的噪音问题
3、基于强化学习的句子结构化表示学习方法
分享人简介
▼
冯珺，清华大学计算机系博士五年级，师从朱小燕和黄民烈教授，主要研究方向为知识图谱，强化学习。目前已在AAAI，COLING, WSDM等国际会议上发表多篇文章。
分享时间
▼
北京时间2017年11月29日（周三） 20:00
参与方式
▼
我们诚招学术编辑 N 枚（全职，坐标北京）、新媒体运营 N 枚（全职，坐标深圳）。详情请参见：招聘 | AI科技评论招人啦，学术编辑、新媒体运营虚位以待！
————— 给爱学习的你的福利 —————
不要等到算法出现accuracy不好、loss很高、模型overfitting时，
才后悔没有掌握基础数学理论！
线性代数及矩阵论， 概率论与统计， 凸优化
AI慕课学院机器学习之数学基础课程即将上线！
扫码进入课程咨询群，组队享团购优惠！
————————————————————返回搜狐，查看更多
责任编辑：
