冯仕堃,百度自然语言处理部主任架构师。毕业于中国科学院自动化所,长期深耕语义表示计算、图学习等领域的研发工作,并领导相关工作在百度搜索、信息流、商业广告等核心产品应用落地。在CVPR、AAAI等人工智能顶级国际会议发表多篇高水平学术论文,拥有多项技术专利。相关工作荣获2020世界人工智能大会最高荣誉SAIL奖、中国人工智能学会优秀科技成果奖、百度最高奖及百度骄傲最佳团队等奖项。

冯仕堃,百度自然语言处理部主任架构师。毕业于中国科学院自动化所,长期深耕语义表示计算、图学习等领域的研发工作,并领导相关工作在百度搜索、信息流、商业广告等核心产品应用落地。在CVPR、AAAI等人工智能顶级国际会议发表多篇高水平学术论文,拥有多项技术专利。相关工作荣获2020世界人工智能大会最高荣誉SAIL奖、中国人工智能学会优秀科技成果奖、百度最高奖及百度骄傲最佳团队等奖项。
文本图(Text Graph)广泛存在于许多工业级应用中。顾名思义,这类图的节点属性由文本构成,而边的构建提供了结构信息,如在搜索场景,节点可由搜索词、网页标题、网页正文来表达,用户反馈和超链信息则可构成边关系。目前业界已有方法处理该文本图存有无法同时处理语义与结构信息的缺陷。本演讲将分享一种结合图结构与语义模型的算法,提供同时建模文本语义与图结构信息的能力,有效提升文本图上的应用效果。
算法工程师



微信咨询

电话咨询
微信联系我们

