自然语言生成及其应用

案例来源:微软亚洲研究院
会议地点:上海
分享时间: 2021-11-26 15:50-16:50

宫叶云  |

微软亚洲研究院 主管研究员

宫叶云博士毕业于复旦大学计算机科学与技术学院,师从黄萱菁教授与张奇教授。目前就职于微软亚洲研究院 担任主管研究员职位。在国际学术期刊和会议(ACL,EMNLP, IJCAI, AAAI, CIKM, COLING等)上发表论文30余篇。获批美国专利6项。

课程概要

话题概述:
随着预训练技术的快速发展,基于预训练的自然语言生成性能取得了显著的提升,同时自然语言生成已经被广泛应用在微软的核心产品中,该报告将从自然语言的在线生成,对于长文本建模的自然语言生成,以及如何在不损失生成性能的前提下提升生成速度进行介绍。

演讲题纲:
1. 基于非自回归的在线生成
2. 基于Pooling操作的高效序列建模
3. 高效文本生成推理实现

话题亮点:
1. 第一次生成模型被应用在广告关键词在线生成中。
2. 对长序列输入建模,从Transformer的n平方计算复杂度降低到线性复杂度。
3. 在不损失生成性能的前提下,大幅度提升生成速度。

听众收益

1. 实现快速生成模型推理,达到模型在线使用
2. 改进Transformer模型,高效建模长文本输入序列
3. 不损失性能的前提下,提升生成模型推理速度

宫叶云  |

微软亚洲研究院 主管研究员

宫叶云博士毕业于复旦大学计算机科学与技术学院,师从黄萱菁教授与张奇教授。目前就职于微软亚洲研究院 担任主管研究员职位。在国际学术期刊和会议(ACL,EMNLP, IJCAI, AAAI, CIKM, COLING等)上发表论文30余篇。获批美国专利6项。

课程概要

话题概述:
随着预训练技术的快速发展,基于预训练的自然语言生成性能取得了显著的提升,同时自然语言生成已经被广泛应用在微软的核心产品中,该报告将从自然语言的在线生成,对于长文本建模的自然语言生成,以及如何在不损失生成性能的前提下提升生成速度进行介绍。

演讲题纲:
1. 基于非自回归的在线生成
2. 基于Pooling操作的高效序列建模
3. 高效文本生成推理实现

话题亮点:
1. 第一次生成模型被应用在广告关键词在线生成中。
2. 对长序列输入建模,从Transformer的n平方计算复杂度降低到线性复杂度。
3. 在不损失生成性能的前提下,大幅度提升生成速度。

听众收益

1. 实现快速生成模型推理,达到模型在线使用
2. 改进Transformer模型,高效建模长文本输入序列
3. 不损失性能的前提下,提升生成模型推理速度

详情咨询:400-8128-020
赞助合作:sissi
联系电话:130-4321-8801
邮箱:market@msup.com.cn
CopyRight © 2008-2021 Msup

获取大会更多详情

立即参会
报名咨询
报名咨询
优惠门票
×

扫码关注公众号:回复【A2M】

参与《免费领取PPT》活动



关注后,回复【A2M】

×

扫码关注公众号:回复【A2M】

参与《免费领取PPT》活动



关注后,回复【A2M】