神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势，但是不能直接应用于图（Graph）这类空间结构不规则的数据上。近年来，研究人员开始研究如何将神经网络应用到到图数据上，形成了图神经网络的研究热潮，并提出 GCN、GraphSAGE、GAT 等一系列方法。当前图神经网络主要针对由相同类型节点和边构成的同质图。然而，大量实际交互系统需要建模成由不同类型的节点和边构成的异质图。将神经网络应用于异质图将会有一些新的特点和挑战。本报告将介绍图神经网络，特别是异质图神经网络的最新研究进展；并结合电商场景，讲解如何利用图神经网络解决实际问题。

内容大纲

1. 图神经网络介绍

• 表示学习
• 图建模方法
• 图神经网络基本思想

2. 图神经网络模型

• 浅层模型
• 深层模型

3. 图神经网络应用

• 套现用户检测
• 用户意图推荐
• 复杂用户聚类

4. 总结

听众收益

1. 了解图神经网络；

2. 了解对交互系统的图建模方法；

3. 了解图神经网络解决实际问题的方法。

适合人群

了解基础的数据挖掘和机器学习。

本报告将着重介绍语音交互的端到端一体化发展的技术趋势，核心围绕信号声学一体化、语音语言一体化、以及语义拒识一体化等百度最新研发的深度学习语音建模技术，介绍了百度语音的最新进展和产品落地。同时结合5G和AI技术的未来发展趋势，介绍了百度鸿鹄芯片之后的下一代AI语音芯片的发展思路，重点介绍了适合端侧全双工交互的语音NPU IP的设计理念和产品思考，并针对智能汽车导航领域的具体引用，展示了最新研发的端侧全双工语音导航交互系统的产品原型。  

听众收益

1、听众可以了解到最新的百度语音交互技术和百度语音的相关产品落地
2、听众可以了解到最前沿的跨学科的端到端深度学习建模技术
3、听众可以了解到5G时代的最新AI语音芯片的发展趋势和技术思路

自然语言处理技术旨在让机器“掌握”人类独有的语言能力，包含知识图谱构建、机器翻译和行业应用等多项关键技术，近年来在深度学习的推动下取得了长足进步，受到业界的广泛关注。本次分享，在简要回顾讯飞认知智能国家重点实验室的技术架构图基础之上，重点介绍科大讯飞阅读理解、机器翻译、语音交互、行业应用的最新技术进展和产业化应用实践，最后阐述了自然语言处理技术面临的挑战和未来的发展趋势。

听众受益

1. 了解自然语言处理技术框架
2. 了解科大讯飞认知智能国家重点实验室在自然语言处理技术上的最新进展和应用实践
3. 了解自然语言处理技术面临的挑战和未来发展趋势

从图像和视频中分割出感兴趣的物体，俗称为图像和视频抠图，这是内容行业进行二次创作的基础。目前商用软件中的图像抠图算法都不够智能，从图像中精细的抠出一个物体常常需要几分钟时间。这些软件也不支持视频抠图功能，只能把视频作为多张图像分别处理，因此图像和视频抠图内容生产的效率很低。

最近两年，深度学习在像素级分类任务上取得了较大的进展。智能抠图相关的算法，例如图像物体分割、视频物体分割、Image Matting 等都取得了较大的进步，智能抠图应用也开始在工业界逐步落地。本报告将介绍智能抠图算法的基本概念，并重点分享阿里文娱集团在这方面的研究进展以及落地的应用。

内容大纲

1.  图像物体分割算法

• 图像语义分割
• 图像全景分割
• 物体实例分割
• 交互式图像分割
• Image Matting

2. 视频物体分割算法

• 半监督视频物体分割
• 交互式视频物体分割
• 无监督视频物体分割

3. 阿里文娱集团在图像视频物体分割领域的研究进展和项目落地

• 交互式图像分割：demo
• 非监督视频物体分割：demo

4. 抠图算法应用的一些建议

听众受益

1. 图像和视频物体分割是人工智能领域中新兴发展起来的，让听众了解这个领域的基本概念，开阔大家的视野；
2. 让听众了解如何利用各个算法模块搭建抠图应用；
3. 让听众了解在抠图应用中需要注意的事项。