刘知远：多项NLP算法，架起＂机器＂和＂自然语言＂间桥梁榜单人物( 二 )_2019年1月21日

自从计算机发明以来，人类就一直梦想着能够赋予机器理解自然语言的能力，近年来深度学习的发展为这一领域注入了新的活力。深度学习是一个非常典型的数据驱动的方法，通过对大规模序列数据的学习来去解决一些特定的任务，比如机器翻译、文本分类等，但是实现真正对自然语言的理解还有很大的距离，其中的问题就是想要计算机理解人类的语言，只是通过对语言文本信息的训练是远远不够的，还需要大量外部知识的支持，这就是刘知远所做的工作，如何能够将数据驱动的深度学习，与丰富的复杂的外部知识结合在一起，实现对自然语言的深度理解。

刘知远本科就读于清华大学计算机科学与技术系，毕业后师从本校孙茂松教授攻读直博生，博士起一直致力于面向自然语言处理的语义表示学习，先后研究了基于关键词的显示表示，基于低维向量的隐式表示，以及基于结构知识图谱的知识表示，形成了一套统一的语义表示学习框架。在显式表示学习方面，他提出了一系列面向汉字、词义、实体和网络表示学习模型；在知识表示学习方面，他提出了一系列考虑知识图谱丰富信息的表示学习技术。这些算法均成为相关方向的代表方法。