MLNLP前沿综述分享第一期 | 美国Pinterest公司@吴凌飞：面向自然语言处理的图深度学习

MLNLP前沿综述分享是MLNLP社区举办的学术交流活动，旨在邀请一线学者分享领域前沿技术，期待帮助大家快速了解领域相关动态。

本次前沿综述分享特别邀请了美国威廉玛丽学院计算机科学博士、美国Pinterest公司研发工程经理吴凌飞为我们带来“Deep Learning on Graphs for Natural Language Processing”的主题报告，由华为云高级研究员，MLNLP社区学术委员陈冲主持。报告的详细信息如下：

吴凌飞博士，美国公立常春藤之称的威廉玛丽学院计算机科学博士学位。他的主要研究方向是机器学习，表征学习，和自然语言处理的有机结合，特别是图神经网络及其应用。目前他是美国Pinterest公司的主管知识图谱和内容理解的研发工程经理（EM）。在这之前，他是京东硅谷研究中心的首席科学家，带领 了30 多名机器学习/自然语言处理科学家和软件工程师组成的团队，构建智能电子商务个性化系统。他目前著有图神经网络图书一本，并发表了100多篇顶级会议和期刊的论文，谷歌学术引用将近3000次（H-index 28, I10-index68)。他主持开发的Graph4NLP软件包，自2021年中发布以来收获1500+ Stars，180+ Forks，深受学术界和工业界欢迎。他曾是 IBM Thomas J. Watson 研究中心的高级研究员，并领导10 多名研究科学家团队开发前沿的图神经网络方法和系统，三次获得IBM杰出技术贡献奖。他是 40 多项美国专利的共同发明人，凭借其专利的高商业价值，共获得八项IBM发明成果奖，并被任命为 IBM 2020 级发明大师。他带领团队获得两个2022年AAAI人工智能创新应用奖（全球八个）, IEEE ICC'19, DLGMA'20, DLG'19等多个会议和研讨会的最佳论文奖和最佳学生论文奖。他的研究被全球众多中英文媒体广泛报道，包括 NatureNews, YahooNews, AP News, PR Newswire, The Time Weekly, Venturebeat, 新智元，机器之心，AI科技评论等。他是KDD，AAAI，IEEE BigData会议组委会委员，并开创和担任全球图深度学习研讨会（与 AAAI20-22 和KDD20-22等联合举办）和图深度学习自然语言处理研讨会（与 ICLR22 和NAACL22等联合举办）的联合主席。他目前担任IEEE Transactions on Neural Networks and Learning Systems 和ACM Transactions on Knowledge Discovery from Data的副主编，定期担任主要的 AI/ML/NLP 会议包括 KDD，EMNLP, IJCAI，AAAI等的SPC/AC。

个人主页：https://sites.google.com/a/email.wm.edu/teddy-lfwu/ 

There are a rich variety of NLP problems that can be best expressed with graph structures. Due to the great power in modeling non-Euclidean data like graphs, deep learning on graphs techniques (i.e., Graph Neural Networks (GNNs)) have opened a new door to solving challenging graph-related NLP problems, and have already achieved great success. Despite the success, deep learning on graphs for NLP (DLG4NLP) still faces many challenges (e.g., automatic graph construction, graph representation learning for complex graphs, learning mapping between complex data structures).

This tutorial will cover relevant and interesting topics on applying deep learning on graph techniques to NLP, including automatic graph construction for NLP, graph representation learning for NLP, advanced GNN based models (e.g., graph2seq and graph2tree) for NLP, and the applications of GNNs in various NLP tasks (e.g., machine translation, natural language generation, information extraction and semantic parsing). In addition, hands-on demonstration sessions will be included to help the audience gain practical experience on applying GNNs to solve challenging NLP problems using our recently developed open source library – Graph4NLP, the first library for researchers and practitioners for easy use of GNNs for various NLP tasks.

陈冲，目前担任华为云高级研究员，MLNLP社区学术委员，本科及博士毕业于清华大学，导师张敏教授。主要研究方向为数据挖掘、信息检索与预训练语言模型。以第一作者身份在领域国际顶级会议和期刊 WWW，SIGIR，AAAI，TOIS等发表论文 10 余篇。一作论文谷歌学术引用量 800 余次。曾任 SIGIR，WWW，AAAI，NeurIPS，TKDE，TOIS 等会议期刊审稿人。曾获评清华大学钟士模奖学金、蒋南翔奖学金、特等奖学金提名，字节奖学金（全国 10 名），百度奖学金（全球 10 名），入选「AI 华人青年学者榜单」等。