时间：5月27日 14：00-16：00

地点：校本部理工楼504

讲座一：

Title: Joint Event Extraction via Structured Prediction with Global Features

Abstract: Traditional approaches to the task of automatic event extraction

usually rely on sequential pipelines with multiple stages, which suffer from

error propagation since event triggers and arguments are predicted in

isolation by independent local classifiers. By contrast, we propose a joint

framework based on structured prediction which extracts triggers and

arguments together so that the local predictions can be mutually improved.

In addition, we propose to incorporate global features which explicitly

capture the dependencies of multiple triggers and arguments. Experimental

results show that our joint approach with local features outperforms the

pipelined baseline, and adding global features further improves the

performance significantly. Our approach advances state-of-the-art

sentence-level event extraction, and even outperforms previous argument

labeling methods which use external knowledge from other sentences and

documents.

Bio: Heng Ji is an associate professor in Departments of Computer Science

and Linguistics at City University of New York. She received her Ph.D. in

Computer Science from New York University in 2007. Her research interests

focus on Natural Language Processing, especially on Cross-source Information

Extraction (IE) and Knowledge Base Population (KBP). She received US NSF

CAREER award in 2010 and AI"s top 10 to Watch award in 2013. She served as

the coordinator of the NIST TAC KBP task in 2010 and 2011, and the IE area

chair of NAACL-HLT2012 and ACL2013.

讲座二：

Title: Abstract Meaning Representation for Semantics-Banking

Abstract: We describe Abstract Meaning Representation (AMR), a semantic

representation language in which we are writing down the meanings of

thousands of English sentences. We hope that a semantics bank of simple,

whole-sentence semantic structures will spur new work in statistical natural

language understanding and generation, like the Penn Treebank encouraged

work on statistical parsing. This talk gives an overview of AMR and tools

associated with it.

Bio: Kevin Knight is a Senior Research Scientist and Fellow at the

Information Sciences Institute of the University of Southern California

(USC), and a Research Professor in USC"s Computer Science Department. He

received a PhD in computer science from Carnegie Mellon University and a

bachelor"s degree from Harvard University. Professor Knight"s research

interests include natural language processing, machine translation, automata

theory, and decipherment. In 2001, he co-founded Language Weaver, Inc.,

which provides commercial machine translation solutions, and in 2011, he

served as President of the Association for Computational Linguistics.