这本书是介绍大数据智能分析技术的科普书籍，旨在让更多人了解和学习互联网时代的自然语言处理技术，让大数据智能技术更好地为我们服务。全书包括大数据智能基础、技术和应用三部分，共14章。

• 基础部分有3章：第1章以深度学习为例介绍大数据智能的计算框架；第2章以知识图谱为例介绍大数据智能的知识库；第3章介绍大数据的计算处理系统。
• 技术部分有6章，分别介绍主题模型、机器翻译、情感分析与意见挖掘、智能问答与对话系统、个性化推荐系统、机器写作。
• 应用部分有5章，分别介绍社交商业数据挖掘、智慧医疗、智慧司法、智慧金融、计算社会学。

系列解读活动简介如下，欢迎届时关注。

主题一：基于义原知识和粒子群算法的文本对抗攻击

时间：2020年5月13日（周三）晚20:00整

论文：Word-level Textual Adversarial Attacking as Combinatorial Optimization

主讲人：臧原

摘要：对抗攻击是机器学习领域受到广泛关注的话题。相比于图片、语音等领域，文本对抗攻击面临着搜索难优化、扰动易感知等挑战。在本次分享中，讲者将文本对抗攻击形式化为离散组合优化问题，并引入了一种基于义原知识和粒子群算法的文本对抗攻击方法，以提高文本对抗攻击的效率。

主题二：如何使用NLP技术帮助法律智能：关于法律智能的综述

时间：2020年5月14日（周四）晚20:00整

论文：How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence

主讲人：钟皓曦

摘要：法律智能是一个新兴的话题，近几年来吸引了多数AI和法律工作者的目光。为了能够使得这个方向更好地发展，我们总结了近几年来的法律智能工作，并对未来可能的方向进行了展望。

主题三：开放文本环境下的持续关系学习

时间：2020年5月15日（周五）晚20:00整

论文：Continual Relation Learning via Episodic Memory Activation and Reconsolidation

主讲人：韩旭

摘要：关系抽取是从文本中获取结构化知识的重要手段。不同于传统工作关注于限定域上的关系，我们面向关系类型日益增长的开放域，对新关系的发现、数据扩展、持续学习进行了探索，形成了一套完整的开放文本环境下的关系学习体系。

主题四：神经机器翻译信心校准研究

时间：2020年5月16日（周六）晚20:00整

论文：On the Inference Calibration of Neural Machine Translation

主讲人：王硕

摘要：在诸如医疗、金融等对可靠性要求很高的场景中，我们不仅要求模型可以达到较高的预测准确率，而且希望模型可以做到“知之为知之，不知为不知”，能够准确反馈对预测结果的信心。本次分享将介绍机器翻译领域信心校准研究的最新进展。

主题五： 基于细粒度推理的事实验证

时间：2020年5月17日（周日）晚20:00整

论文：Fine-grained Fact Verification with Kernel Graph Attention Network

主讲人：刘正皓

摘要： 随着互联网中的文本大量涌现，不实信息也越来越多，因此，需要一个自动化的事实验证工具来帮助我们鉴别虚假信息。事实验证任务要求能够从大规模的文本知识库中抽取相关的证据（Evidence）并根据这些证据对给定的声明（Claim）给出事实性的判断。本次报告，主要介绍如何利用细粒度的文本推理来进行事实验证。

主题六： 融合常识知识的对话生成

时间：2020年5月18日（周一）晚20:00整

论文：Grounded Conversation Generation as Guided Traverses in Commonsense Knowledge Graphs

主讲人：张厚予

摘要： 如何使开放域对话机器人生成包含知识的回答一直是对话生成领域的困难问题，也是很多学者一直在致力于解决的问题。本次分享，讲者将简单介绍对话生成领域的前沿进展和方向，并着重介绍ACL 2020关于如何在对话中融合常识知识的一篇工作。

             

       

点击"阅读原文"，直达“ACL 交流小组”了解更多会议信息。