中国中文信息学会会员发展工作的通知

 


        为推进学会的改革,建立以会员为主体的管理体制,健全会员管理制度,按照中国科协《关于规范全国性学会个人会员登记号的通知》的要求和规定,结合本会的具体情况,建立个人会员登记制度。

会员登记的简要流程:

1.请有意申请者下载并填写"会员信息登记表"

2.将填写完整的"会员信息登记表"通过电子邮件方式发送至学会办公室会员部(huangyi@iscas.ac.cn

3.请任选以下三种方式之一缴纳会费:

    1)银行转账:

        开户银行:工商行北京市分行海淀西区支行

        户        名:中国中文信息学会

        账        号:0200004509014415619

        注:请在附言中注明会员姓名

    2)邮局汇款:

        地        址:北京8718信箱"中国中文信息学会"

        收   款 人:中国中文信息学会

        邮政编码:100190

        联系电话:010-62562916

        注:请在附言中注明会员姓名

    3)中国中文信息学会办公室缴纳

        地        址:北京海淀区中关村南四街4号院7号楼201房间

        联系电话:010-62562916


2013年度"中国中文信息学会"个人会员收费标准:

        个人会员:120元/年

        学生会员:  60元/年


        会员经注册并缴费后,将获得会员登记号和会员证。在参加学会主办的各类学术活动时,凭会员证将享受会费优惠;定期获赠中国中文信息学会会员通讯(电子版)。

        为鼓励更多学者加入学会,完成2013度会员登记的全体会员和部分学生会员(以缴费顺序,先到先得,赠完为止),将获赠2013年度全年《中文信息学报》(纸质版)。


另附中国中文信息学会章程


中国中文信息学会
2013年8月11日

学术活动



ACL-IJCNLP 2015将在中国北京召开(中国中文信息学会承办)

http://aclweb.org/

 


  ACL-IJCNLP 2015, the joint conference of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing of the Asian Federation of Natural Language Processing, will take place in Beijing, China in late summer of 2015. The ACL-IJCNLP 2015 will be hosted by the Chinese Information Processing Society of China (www.cipsc.org.cn). Local arrangement co-chairs: Le Sun, Institute of Software, Chinese Academy of Sciences and Yang Liu, Tsinghua University.


  Beijing is the capital of the People's Republic of China, and the nation's political, cultural, scientific and educational heart as well as a key transportation hub. Beijing is one of the most popular tourist destinations in the world, some famous tourist attractions including Summer Palace, Temple of Heaven, and Great Wall. We look forward to welcoming you to Beijing in 2015.


中国中文信息学会2013年学术年会(CIPS 2013)暨第十二届全国计算语言学会议(CCL 2013)正式通知

 


        经中国中文信息学会第7届理事会第6次理事长办公会讨论决定,中国中文信息学会学术年会暨理事会(CIPS 2013)于2013年10月9日在苏州大学召开。中文信息处理(包括对汉语以及少数民族语言的信息处理)在我国信息领域科学技术发展与产业发展中占有重要的位置。计算机和互联网技术的不断发展对中文信息处理技术提出了新的挑战。中文信息处理已经成为信息科学技术中长期发展的一个新的战略制高点。本次学术年会将是我国中文信息处理领域广大专家学者(约300人)的一次盛会,将有力促进中文信息处理领域的理论创新、技术交流与产学研合作!我们诚挚邀请大家参与中国中文信息学会2013年学术年会,一起分享,共同探讨,努力促进我国中文信息处理领域的技术与产业的创新与发展!本次会议的主题是:深度学习与中文信息处理,我们将邀请顶级专家做特邀报告,并开展相关主题的研讨。

        "第十二届全国计算语言学会议"(The Twelfth China National Conference on Computational Linguistics, CCL 2013)将于2013年10月10日—12日在苏州大学举行。作为国内最大的自然语言处理专家学者的社团组织——中国中文信息学会(CIPS)的旗舰会议,全国计算语言学会议从1991年开始每两年举办一次。CCL着重于中国境内各类语言(如汉语、藏语、蒙古语以及维吾尔语等)的计算处理,为传播计算语言学最新的学术和技术成果提供了广泛的交流平台。同时,"第一届基于自然标注大数据的自然语言处理国际学术研讨会"(NLP-NABD 2013)将与CCL 2013联合召开。NLP-NABD特别关注在大数据时代自然语言处理的前沿方法和技术,将聚焦国内外基于自然标注大数据方向上的各种前沿研究进展,包括:如何在自然标注大数据上有效进行大规模无监督/半监督机器学习(如深度学习),如何将学习到的资源、模型和已有的手工标注的核心资源和核心语言计算模型结合起来。

        本次会议期间,中国中文信息学会还将举办第一届中文知识图谱研讨会(The 1st Conference on Chinese Knowledge Graph)。知识图谱(Knowledge Graph)是当前学术界和企业界的研究热点。中文知识图谱的构建对中文信息处理和中文信息检索具有重要的价值。本次知识图谱研讨会将着重探讨中文知识图谱的构建的资源、技术、方案、策略以及待研究问题和挑战,促进研究单位之间以及研究界和产业界之间的学术交流,探索今后大规模中文知识图谱构建的研讨与合作机制。目前为止,大会已经得到国内自然语言处理研究者的广泛关注,目前有约10家从事知识图谱研究和实践的著名高校、研究机构和企业的专家及学者有意参与并发表演讲。


会议时间:

        中国中文信息学会学术年会(CIPS 2013):

        报到时间:2013年10月8日 14:00开始

        召开时间:2013年10月9日(会期一天)

        计算语言学会议(CCL 2013 & NLP-NABD 2013):

        报到时间:2013年10月9日 8:00开始

        召开时间: 2013年10月10日至11日(会期两天)

        中文知识图谱研讨会:

        报到时间:2013年10月11日 14:00开始

        召开时间:2013年10月12日 上午(会期半天)


联系方法:

        钱龙华:133-0620-8165 qianlonghua@suda.edu.cn

        王红玲:138-6240-9198 hlwang@suda.edu.cn

        洪    宇:133-7519-7289 hongy@suda.edu.cn


详细内容请参考:http://210.29.169.226/CNCCL2013/home.html


中国中文信息学会青年工委系列学术活动:互联网产品中的语义计算

http://event.weibo.com/961960

 


        自然语言处理技术是网络文本理解和用户精准分析的基础。为了促进国内NLP领域的老师、同学以及NLP爱好者之间的交流,中国中文信息学会(http://t.cn/zOLzZSD)青年工作委员会(http://t.cn/zQhY5k0)特举办"中国中文信息学会青年工委系列学术活动- 自然语言处理学术讲座"。

        本次活动特邀请百度公司的赵世奇高级研究员,作题为"互联网产品中的语义计算"的学术讲座。欢迎大家报名参加,本次活动免费。由于场地限制,我们将限制入场人数,网上报名的前60名无障碍入场,后面报名的人员则需要待定。

        摘要:互联网上的各种多媒体内容日益丰富,但语言仍是最主要的互联网信息载体。互联网语言除具有自然语言的基本属性外还具有变迁更迅速、使用更灵活、与场景结合更紧密等特点。而互联网产品对语言的处理,也越来越多地深入到了语义层面,如知识图谱、百度知心等。本报告将详细介绍基于互联网的语义体系挖掘与构建,及面向互联网的语义分析与应用。

Google Natural Language Understanding-focused awards announced

http://www.googblogs.com/uncategorized/natural-language-understanding-focused-awards-announced/

 


  Posted by MassimilianoCiaramita, Research Scientist and David Harper, Head University Relations (EMEA)


  Some of the biggest challenges for the scientific community today involve understanding the principles and mechanisms that underlie natural language use on the Web. An example of long-standing problem is language ambiguity; when somebody types the word "Rio" in a query do they mean the city, a movie, a casino, or something else? Understanding the difference can be crucial to help users get the answer they are looking for. In the past few years, a significant effort in industry and academia has focused on disambiguating language with respect to Web-scale knowledge repositories such as Wikipedia and Freebase. These resources are used primarily as canonical, although incomplete, collections of "entities". As entities are often connected in multiple ways, e.g., explicitly via hyperlinks and implicitly via factual information, such resources can be naturally thought of as (knowledge) graphs. This work has provided the first breakthroughs towards anchoring language in the Web to interpretable, albeit initially shallow, semantic representations. Google has brought the vision of semantic search directly to millions of users via the adoption of the Knowledge Graph. This massive change to search technology has also been called a shift "from strings to things".


  Understanding natural language is at the core of Google's work to help people get the information they need as quickly and easily as possible. At Google we work hard to advance the state of the art in natural language processing, to improve the understanding of fundamental principles, and to solve the algorithmic and engineering challenges to make these technologies part of everyday life. Language is inherently productive; an infinite number of meaningful new expressions can be formed by combining the meaning of their components systematically. The logical next step is the semantic modeling of structured meaningful expressions — in other words, "what is said" about entities. We envision that knowledge graphs will support the next leap forward in language understanding towards scalable compositional analyses, by providing a universe of entities, facts and relations upon which semantic composition operations can be designed and implemented.


  So we've just awarded over $1.2 million to support several natural language understanding research awards given to university research groups doing work in this area. Research topics range from semantic parsing to statistical models of life stories and novel compositional inference and representation approaches to modeling relations and events in the Knowledge Graph. These awards went to researchers in nine universities and institutions worldwide, selected after a rigorous internal review:

  • Mark Johnson and Lan Du (Macquarie University) and Wray Buntine (NICTA) for "Generative models of Life Stories"
  • Percy Liang and Christopher Manning (Stanford University) for "Tensor Factorizing Knowledge Graphs"
  • Sebastian Riedel (University College London) and Andrew McCallum (University of Massachusetts, Amherst) for "Populating a Knowledge Base of Compositional Universal Schema"
  • Ivan Titov (University of Amsterdam) for "Learning to Reason by Exploiting Grounded Text Collections"
  • Hans Uszkoreit (Saarland University and DFKI), FeiyuXu (DFKI and Saarland University) and Roberto Navigli (Sapienza University of Rome) for "Language Understanding cum Knowledge Yield"
  • Luke Zettlemoyer (University of Washington) for "Weakly Supervised Learning for Semantic Parsing with Knowledge Graphs"

  We believe the results will be broadly useful to product development and will further scientific research. We look forward to working with these researchers, and we hope we will jointly push the frontier of natural language understanding research to the next level.

会议简报



中国中文信息学会主办"社会媒体处理成果展示大会"

 


        2013年7月14日,社会媒体处理成果展示大会在北京中科院软件所举行。本次大会由中国中文信息学会"社会媒体处理"专业委员会(筹)主办。

        社会媒体和社交网络的迅猛发展带来了巨大机遇与挑战,受到产业界与学术界的广泛关注,涌现了大量的优秀应用和产品。本次成果展示会旨在集中展示近年来以社会媒体处理为主题的研发成果。与传统学术会议不同,大会以系统演示为主,通过口头报告、系统演示和互动研讨等方式,增进产业界与学术界的交流,促进我国社会媒体处理研究和产业的发展。

        大会由中国中文信息学会主办,中文信息学会理事长、哈工大李生教授担任大会指导委员会主席,哈工大刘挺教授担任大会主席,清华大学唐杰副教授担任大会程序委员会主席。大会现场由来自大连理工大学的林鸿飞老师、复旦大学的黄萱菁老师和清华大学的唐杰老师等主持。

        大会吸引了来自学术界和产业界20多家单位展示他们的社会媒体处理研发成果。大会通过新浪微博微活动报名,吸引了来自高校、IT公司、报社、军方、银行、投资机构、创业公司和学生共计三百余人参加。

        大会受到国内各大公司的鼎力支持,大会钻石赞助商是拓尔思信息技术有限公司,金牌赞助商包括海量信息技术有限公司、奇虎360互联网安全中心,银牌赞助商包括北京微众文化传媒有限公司、数据堂科技有限公司、宏博知微科技有限公司和人人网,实物赞助商是新浪微博。

        7月14日上午9点,中国中文信息学会理事长李生教授出席并致开幕词。上午,来自拓尔思等公司的嘉宾分别从大数据、股市预测、搜索引擎、微博营销、数据共享等方面,介绍了社会媒体处理研发成果。报告内容生动有趣,观众竞相在提问环节与嘉宾互动。下午1点30分,20多家单位开始展台演示,观众们在各展台驻足观看演示,与演示人员密切交流,气氛异常热烈,很快两个小时就过去了。最后,大会组织了"社会媒体处理中数据重要还是算法重要"的专题研讨会,加拿大蒙特利尔大学聂建云教授、微软亚洲研究院的周明老师、北京大学袁晓如教授、中国传媒大学沈浩教授、数据堂CEO齐红威、新浪微博张浩等专家学者与现场观众就这一问题做了深入探讨。最后,中国中文信息学会副理事长、秘书长孙乐研究员宣布大会闭幕。

        在大会举行的前一天下午,中国中文信息学会还在中科院软件所召开了"社会媒体处理"专业委员会的第一次筹备会。专委会召集人刘挺老师介绍了专委会筹备情况,组织者唐杰老师组织讨论了专委会未来活动计划,专委会拟任委员们做自我介绍。中国中文信息学会领导李生老师、孙乐老师也出席了筹备会,对专委会的筹备工作表示赞赏,并对专委会的发展前景寄予殷切期望。

        7月14日的"社会媒体处理成果展示大会"是中国中文信息学会"社会媒体处理"专业委员会(筹)组织的第一次大型活动,取得了圆满成功。

   

第十届全国自然语言处理青年学者研讨会(YSSNLP2013))简讯

 


        2013年5月30日至31日,由中国中文信息学会主办,国防科学技术大学计算机学院承办的第十届全国自然语言处理青年学者研讨会(YSSNLP2013)在长沙成功召开,来自国内各高校、研究机构以及企业的共计41家单位的近百名代表参加了本次会议。会议安排了2个特邀报告、13个学术报告,2个专题讨论,以及Poster和Demo展示。

        会议于5月30日上午开幕,首先由国防科大计算机学院副院长卢凯研究员致欢迎辞,学会副理事长黄河燕教授和副理事长兼秘书长孙乐研究员分别讲话欢迎大家参与本次研讨会,期待学会的青年人踏实进取,勇于创新,再创佳绩。本次大会特别邀请清华计算机系的唐杰副教授以及百度的贾磊高级研究员分别作了题为"社交网络中的情感分析:从观点分析到情感预测"和"结合语义理解的语音识别技术和深度学习技术"的特邀报告。唐杰副教授介绍其研究组近年来再KDD、WWW等学术会议的研究成果,从社交网络的角度对于影响用户情感传播的几个要素进行了深入的分析,并对于用户的情感进行了预测。贾磊研究员介绍了百度在语音识别方面的产品和进展,并根据开发体会分享了深度学习(Deep Learning)在语音识别中的关键技术和工程要点。另外,此次会议还有13个学术报告,来自中科院自动化所、哈尔滨深圳研究院、上海交通大学、华为公司等单位多位青年研究学者介绍他们在各自领域最新的研究成果以及学术想法。

        此次会议还设定两个独立的专题讨论(Panel),主题为"社会计算中的NLP"和"知识图谱"。"社会计算中的NLP"专题讨论由哈尔滨工业大学的车万翔副教授主持,清华大学唐杰副教授、清华大学刘知远助理研究员、中科院计算所姜文斌助理研究员、国防科学技术大学唐晋韬助理研究员以及哈尔滨工业大学刘铭老师作为特邀嘉宾,与代表们就社会计算的内涵、社交媒体与社交网络的区别、社会计算中的NLP所面临的挑战等问题进行了热烈的讨论。"知识图谱"专题讨论由百度公司的赵世奇研究员主持,清华大学的刘奕群副教授、中科院软件所的韩先培副教授、复旦大学的张奇副教授、上海羽扇智信息科技有限公司CEO李志飞、西北师范大学张志昌副教授、中科院自动化所刘康助理研究员作为特邀嘉宾就如何构建知识图谱、知识图谱对于NLP的作用、知识图谱应用中的核心问题展开了深入的讨论。另外,在"Poster/Demo展示"环节中,参会代表们就各自在NLP领域的研究工作、目前面临的问题与挑战,以及未来的研究与发展方向进行了深入交流。相比于以往会议,此次会议对于每个Poster进行了评比,并设定了"Best Poster Award",本节会议的最佳Poster奖由中科院自动化所的张家俊助理研究员获得。

        在5月31日下午的会议闭幕式上,经过青年工作委员会讨论并宣布,确定YSSNLP2015的会议主办地为福州大学,福州大学的廖祥文副教授对于YSSNLP2015主办地福州进行了介绍。第十一届全国自然语言处理青年学者研讨会的承办方代表,乐山师范学院计算机科学学院的金澎院长对2014年的会议筹办情况进行了介绍。最后,本次研讨会顺利闭幕。

        自2004年创立以来,自然语言处理领域青年学者研讨会已经成为了国内自然语言处理领域的重要盛会之一。到今年为止,YSSNLP已经走过十年的历程,随着更多青年学者的不断加入,YSSNLP已经成为国内外青年学者间交流、互动的广阔平台。在这一平台上,研究人员与企业界的交流对话不断加强,为促进整个自然语言处理产业的提升做出了积极贡献。


   

第十九届全国信息检索学术会议在山西大学成功召开

 


        2013年7月19日至21日,第十九届全国信息检索学术会议(CCIR2013)在山西太原举行。本次会议由中国中文信息学会、中国计算机学会联合主办,山西大学计算机与信息技术学院承办。

        本次会议是以往中国中文信息学会主办的每年一次的"全国信息检索学术会议"(CCIR)和中国计算机学会主办的每年一次的"全国搜索引擎和网上信息挖掘学术研讨会"(SEWM)联合办会的第一次会议。

        中国中文信息学会理事长李生教授、副理事长兼秘书长孙乐研究员、中国计算机学会秘书长杜子德研究员、北京大学李晓明教授、中科院计算所程学旗研究员、清华大学智能技术与系统国家重点实验室马少平教授、哈尔滨工业大学信息检索研究室刘挺教授等国内专家出席了此次会议。来自中国科学院、清华大学、北京大学、哈尔滨工业大学等国内高校,阿里巴巴、即刻搜索、山西同方知网等知名IT企业研究人员300余人参加了此次会议。

        本次会议邀请了国家"千人计划"入选者、海外杰青、长江学者、IEEE Fellow 吴信东教授,加拿大蒙特利尔大学聂建云教授,华为首席科学家李航教授做了特邀报告;百度公司余凯博士和清华大学唐杰博士分别做了关于Deep Learning 和Social Media 的Tutorial;6位优秀青年学者进行了主题报告;7家单位进行了信息检索领域的产品展示;会议还进行了"第五届中文倾向性分析评测"(COAE2013);会议录用的论文在分组会上进行了报告,并进行了poster展示。

        与会代表们围绕信息检索、文本分类、聚类及挖掘、多媒体检索、社会媒体分析等相关领域的前沿问题展开了激烈和深入地探讨,大家各抒己见,畅所欲言,学术气氛十分浓厚、活跃。本次会议代表中青年学者和研究生占相当大的比例,许多青年学者宣读了高水平学术论文,表明中国信息检索领域研究力量生气勃勃,前途充满希望。

        本次会议共收到投稿224篇,经过审稿委员会组织的专家评审,共录用论文135篇。论文出版得到了《计算机学报》、《计算机研究与发展》、《模式识别与人工智能》、《中文信息学报》、《山东大学学报(理学版)》和《山西大学学报(自然科学版)》等期刊的大力支持。本次会议还评选出5篇优秀学生论文。


   

资源



本期重点推荐:Deep Learning

 


UCLA Graduate Summer School: Deep Learning, Feature Learning

http://www.ipam.ucla.edu/schedule.aspx?pc=gss2012

NAACL 2013 Tutorial:Deep Learning for NLP (without Magic).Richard Socher and Christopher Manning

http://nlp.stanford.edu/courses/NAACL2013/

AAAI 2013 Tutorial:Deep Learning of Representation(YoshuaBengio)

http://www.aaai.org/Conferences/AAAI/2013/aaai13tutorials.php

Deep Learning and Its Applications to Signal and Information Processing.pdf

下载 http://t.cn/zTiHYr9

Deep Learning for NLP 文章列举

From : http://www.xperseverance.net/blogs/2013/07/2124/

大部分文章来自:

http://www.socher.org/

http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial


Tutorials

Ronan Collobert and Jason Weston【NIPS'09】Deep Learning for Natural Language Processing

Richard Socher, et al.【NAACL'13】【ACL'12】Deep Learning for NLP

YoshuaBengio【ICML'12】Representation Learning

Leon Bottou, Natural language processing and weak supervision

YoshuaBengio最新AAAI 2013 tutorial:http://www.iro.umontreal.ca/~bengioy/talks/aaai2013-tutorial.pdf