線下報名 | 首屆清華大學計算機學生課外技術活動開放日專場博論-知識星球

第一屆清華大學計算機學科學生科創開放日（以下簡稱“開放日”）由清華大學計算機系學生科學技術協會、學生演演算法競賽協會、研究生會，清華大學軟體學院學生科學技術協會共同組織。整體活動以技術為導向，旨在彙總清華大學在計算機方向上的學生科創、學術、競賽成果，提供統一的視窗進行展示，搭建統一的平臺促進交流，進而展現同學在專業活動上積極進取的精神風貌，促進院系專業技術氛圍的扎實厚重。

本屆開放日活動彙總了學生特邀學術報告、學生學術科技作品展、清華大學智慧體大賽（THUAC）、清華大學學生程式設計競賽暨高校邀請賽（THUPC）等多個環節，並對校內校外相關專業方向的同學進行報名開放。開放日中各活動環節平行進行，參與者可以自由接觸各類自身興趣相關的技術活動。

報名時間：即日起至 5 月 10 日 20:00

活動時間：5 月 12 日（本週日）9:00 – 16:40

分論壇 1：人工智慧與多媒體

自然語言處理：

09:00-09:20 劉越超越Chit Chat——微軟小冰的對話技術實踐

09:20-09:40 程橋有道離線NMT模型壓縮與加速方法

09:40-09:48 張鈺暉基於自然語言處理的自動疾病診斷

09:48-09:56 梁宸 DeepChannel：一種基於顯著性估計與對比學習的抽取式文字摘要生成方法

網路表示學習：

09:56-10:04 塗珂基於規則對等性的深度遞迴網路嵌入

10:04-10:12 張子威保持任意階相似度的網路嵌入

其他：

10:12-10:20 姚遠 Attention-aware Multi-stroke Style Transfer

10:20-10:28 方誌翀針對背景關係相關的檢查傾向的幹預收穫

10:28-10:36 劉明華 Task and Path Planning for Multi-Agent Pickup and Delivery

10:36-10:42 朱昊 Neural Finite State Transducers: Beyond Rational Relations

10:42-10:50 杜政曉基於元學習的場景化個性推薦

分論壇 2：計算機系統結構、軟體與理論

11:00-11:45 崔勇低時延網路：挑戰與機遇

11:45-12:00 呂志遠基於使用者網路行為的假冒使用者攻擊檢測

12:00-12:15 吳波 Enabling Efficient Source and Path Verification via Probabilistic Packet Marking

12:15-12:30 丁雨暉 DCLab: A Web-based System for Digital Logic Experiment Teaching

分論壇 3：人工智慧與多媒體

自然語言處理：

14:00-14:20 計峰小樣本學習在對話系統中的實踐

14:20-14:40 高星關於DeepQA演演算法中臺的思考和實踐

14:40-15:00 公明深度學習模型在網路級大規模智慧問答系統中的應用

多媒體：

15:00-15:20 李宇智慧拍照

15:20-15:28 郭碧川基於凸最佳化的光場編碼位元速率控制演演算法

15:28-15:36 張騰翔基於同步的無線裝置配對方法

其他：

15:36-15:44 翁家翌 Playing FPS Games with Environment-Aware Hierarchical Reinforcement Learning

15:44-15:52 高天宇少次學習在關係抽取中的應用

15:52-16:00 王曉智 Adversarial Training for Weakly Supervised Event Detection

海報及Demo展示

16:00-16:40

上午場 09:00-12:30：清華大學FIT樓二層多功能報告廳

下午場 14:00-16:40：清華大學FIT樓1區312

劉越 / 微軟小冰核心對話組負責人

劉越，微軟亞洲網際網路工程院 Principal Engineering Manager，畢業於北京理工大學。長期從事搜尋引擎、智慧助理、開放域對話產品的研發工作，現任微軟小冰核心對話組負責人。

超越Chit Chat——微軟小冰的對話技術實踐

開放域對話（open domain conversation）近年來在學界和業界受到了廣泛的關註和研究。但是依舊有很多問題還有待深入的思辨和實踐。本次講座會分享我們在兩個主題上的探索。一是如何讓開放域對話突破無意識的閑聊，產生有“意識”的對話交流。二是如何利用對話塑造一個特定人物，並實現產品價值。期間還會介紹我們部分技術路線和技術方案。

公明 / 必應搜尋智慧問答產品研發專案負責人

微軟亞洲網際網路工程院 NLP Group Senior Engineer Manager，必應搜尋智慧問答產品研發專案組負責人。碩博連讀畢業於中國科學院計算技術研究所，在機器學習、計算機視覺、自然語言處理等領域有優秀的研究和工程經驗。2013 年加入微軟，先後參與微軟必應搜尋產品、智慧問答產品的核心演演算法研發工作。

深度學習在網路級大規模智慧問答系統的應用

智慧問答旨在為使用者提出的問題自動提供簡短、準確的答案，它為使用者透過搜尋引擎進行大規模網路資訊檢索提供了更快捷、智慧的體驗，是下一代搜尋引擎的重要方向之一。本次分享包含以下內容：首先介紹智慧問答在必應搜尋引擎中的應用場景，然後介紹大規模智慧問答系統中的核心排序系統，並重點介紹團隊如何利用深度學習模型來解決智慧問答中的核心挑戰問題，最後從產品的角度提出目前正在進行或未來值得研究的問題。

李宇 / 華為中央媒體技術院資深演演算法工程師

李宇，華為中央媒體技術院主任工程師，清華大學電子系畢業，曾在三星任高階研究員，當前在華為中央媒體技術院拍照工程部從事計算機視覺和深度學習方向的研發工作。

智慧拍照

隨著近些年深度學習領域的突破，計算機視覺技術在加速發展。拍照是手機終端的重要功能之一，計算機視覺在 camera 拍照上的應用，正使得 camera 拍照更加智慧，效果更好，更有趣味。本次報告講分享視覺技術在終端拍照上的應用及挑戰。

程橋 / 網易有道資深演演算法工程師

網易有道資深演演算法工程師。畢業於浙江大學，畢業後一直從事機器翻譯的研發工作，經歷了機器翻譯從 SMT 時代發展到 NMT 時代的過程。在有道參與了 NMT 的工程最佳化，質量調優，離線翻譯，語音翻譯的核心研發工作，在機器翻譯方向有豐富的研發經驗。

有道離線NMT模型壓縮與加速方法

深度學習近些年在影象、語音和自然語言處理等領域都取得了顯著的進步，也產生了一些將這些技術部署到移動端的需求。受限於移動裝置儲存和計算資源稀缺，部署深度學習應用需要對神經網路模型進行壓縮和計算加速。本次報告將結合有道在部署離線 NMT 上的嘗試，介紹引數裁剪和共享，量化，知識蒸餾，剪枝等模型壓縮和計算加速方法。

高星 / 阿裡巴巴智慧服務事業部演演算法專家

阿裡巴巴智慧服務事業部演演算法專家，致力於智慧人機互動領域的演演算法研究和業務落地，先後參與阿裡小蜜、店小蜜的核心演演算法研發工作。目前在阿裡小蜜團隊擔任 DeepQA 演演算法中臺負責人，推動深度學習模型更低成本更廣泛的應用，提升業務支援效率，助力業務高速發展。

關於DeepQA演演算法中臺的思考和實踐

本次分享包含以下內容：首先是 DeepQA 演演算法中臺的背景、標的、架構做大致介紹；然後會對中臺能力地圖及其中的深度學習方案進行說明，最後是對落地過程中的挑戰和未來的展望。

計峰 / 阿裡巴巴智慧服務事業部演演算法專家

計峰，博士，畢業於復旦大學計算機學院，方向為自然語言處理，中文資訊學會青工委委員。目前就職於阿裡巴巴集團智慧服務事業部，擔任演演算法專家。加入小蜜團隊後，帶領團隊在小樣本遷移學習、商品評論問答、文字匹配等多個領域取得國際領先成果，相關工作在國際頂會上發表了 9 篇論文。在工作中，以“從業務中來，到業務中去”為指導，學術研究與應用落地相結合，不斷推動小蜜機器人的發展。

小樣本學習在對話系統中的實踐

本次分享將從實際系統中的問題出發，介紹自然語言處理中的小樣本學習問題，以及在對話系統中的應用。最後將指出未來的技術挑戰和發展趨勢。

郭碧川 / 清華大學計算機系博士生

清華大學計算機系博士研究生，師從溫江濤教授，2018 年獲得博士生國家獎學金。主要研究方向為多媒體資料處理，目前已發表論文 6 篇，其中一作論文 3 篇，獲得資料壓縮會議 DCC’18 最佳學生論文獎，並做口頭報告。該論文榮獲最佳學生論文獎 Capocelli Prize，為國內科研機構歷史上首次獲得該榮譽。

基於凸最佳化的光場編碼位元速率控制演演算法

光場是一種新興的多媒體形式，是虛擬現實、增強現實技術的重要基礎。先前的光場編碼演演算法，主要是沿用了傳統二維平面影象的編碼方式，缺乏針對光場資料形式的最佳化。這篇論文研究了在置信度與角空間連續性的約束下，光場編碼質量的統計規律，利用雙曲回歸模型刻畫幀級率-失真效能，並創新性地提出了基於凸最佳化方法的位元速率控制演演算法，以及對應的迭代式編碼系統，突破了傳統編碼方式的限制，大大提高了光場編碼效率，其效果在光場公開資料集上首次得到驗證。論文已經被資料壓縮會議 DCC’18 接受，並榮獲最佳學生論文獎。

塗珂 / 清華大學計算機系博士生

塗珂，清華大學計算機系博士生在讀，師從朱文武教授. 主要研究方向為資料挖掘，網路表徵學習，目前在國際頂級會議上發表 3 篇一作論文。

基於規則對等性的深度遞迴網路嵌入

網路嵌入的標的是在一個表徵空間維持節點之間的相似度。現有方法通常根據直接連線的邊或者共同鄰居，也就是結構對等性，來定義節點相似度。然而，網路中不同位置的節點可能也有相似的角色或者地位，比如正則對等性。這被現有的文獻大大的忽略了。正則對等性是透過一種遞迴的方式定義的。兩個具有正則對等性的節點的鄰居分別具有正則對等性。根據此，我們提出了一種名為深度遞迴網路嵌入 (Deep Recursive Network Embedding) (DRNE) 的新方法來維持正則對等性。更詳細地我們提出了層正則化的LSTM透過遞迴地聚合鄰居資訊來表徵每個節點。我們理論上證明瞭一些常見的和正則對等性一致的中心性度量是我們的一個最優解。此外，學到的表徵能夠很好的預測節點的中心性度量以及正則對等性，並且能直接用於一些底層的應用比如節點角色分類等。實驗結果表明我們的方法不僅優於現有的中心性度量的方法，也優於最新的網路嵌入方法。論文發表於 KDD 2018。

張子威 / 清華大學計算機系博士生

張子威，清華大學計算機系博士生在讀，師從朱文武教授. 主要研究方向為網路表徵學習與圖資料挖掘。目前已在國際頂級會議與期刊（如 KDD、AAAI、IJCAI、TKDE 等）上發表多篇論文，2018 年獲得國家獎學金。

保持任意階相似度的網路嵌入

網路嵌入近年來吸引了研究者的廣泛關註。現有方法表明，高階相似度在網路嵌入中起到了至關重要的作用。然而，保持高階相似度的兩個關鍵問題尚未被很好解決。首先，現有方法只能保持固定的高階相似度，然而不同的網路和任務往往需要不同的高階相似度。其次，給定一個相似度，現有方法無法同時保證精度和效率。為瞭解決這些問題，我們提出 AROPE，保持任意階相似度的網路嵌入。該方法基於奇異值分解（SVD）框架。我們首先理論證明奇異值分解重加權定理，該定理揭示了不同相似度的內在關係。利用該定理，我們提出了一個高效、可擴充套件的特徵值分解演演算法來計算嵌入向量，且該演演算法可在不同任意階相似度間隨意切換。理論分析表明：(1) 我們的方法可快速在不同階相似度間進行切換，以保持任意階相似度; (2) 給定一個相似度，我們的方法可得到理論最優解; (3) 演演算法的整體複雜度與網路規模呈線性關係。實驗結果表明，我們在網路重構、連結預測、節點分類等多個任務上均遠優於傳統演演算法。論文發表於 KDD 2018。

姚遠 / 清華大學計算機系博士生

姚遠，清華大學計算機系網路所博士生。研究方向為影象視覺生成與合成，強化學習。

Attention-aware Multi-stroke Style Transfer

本次報告將給大家介紹一個顯著性感知的多筆觸任意風格遷移框架。近幾年，風格遷移演演算法得到了大量的關註並廣泛應用於實際的場景。已有的工作不能在生成逼真的風格化效果的同時保持風格化結果與內容圖的顯著一致性，導致生成的結果存在扭曲變形等現象。基於此，我們引入自註意機制來提取影象的顯著特性，並自適應的融合多筆觸的風格效果來生成高質量的風格化影象。該工作已被 CVPR 2019 會議接收。

張騰翔 / 清華大學計算機系博士生

張騰翔，清華大學計算機系媒體所博士生。論文發表在 UbiComp 等會議。

基於同步的無線裝置配對方法

本次報告將給大家介紹基於手勢同步的無線裝置配對方法 Tap-to-Pair。該工作針對在普適計算環境中無線裝置配對的錯位問題，提出了透過與標的裝置閃爍樣式同步的方式發起配對的方式，實現了從廣播裝置端靈活發起的配對技術。該工作已在 IMWUT 期刊發表。

崔勇 / 清華大學計算機系教授

崔勇，博士，清華大學計算機系教授、博導，網路技術研究所所長，教育部青年長江學者獎勵、國家優秀青年科學基金、教育部新世紀人才和中創軟體人才獎獲得者，中國通訊標準化協會理事，國際網際網路標準化組織 IETF IPv6 過渡工作組主席，曾任 IEEE TPDS 編委，現任 IEEE TCC、IEEE Network 及 IEEE Internet Computing 期刊編委。他獲得國家技術發明獎二等獎 1 次、國家科學技術進步獎二等獎 1 次、省部級科技進步一等獎4次以及國家資訊產業重大發明 2 次。他在 IEEE Transactions 等網際網路領域重要刊物上發表了近 100 篇學術論文，獲得了 40 餘項國家發明專利授權，完成了 4 本學術著作，所提出的 IPv6 過渡技術被國際網際網路標準化組織 IETF 制定為 9 項 RFC，獲得了 3 項國際會議的最佳論文獎。曾多次在 MIT、斯坦福等大學和美國 HP 實驗室、華為 2012 實驗室等工業界研究院作報告。

低時延網路：挑戰與機遇

影片直播、VR 和分散式 ML 等新型應用業務，對網路傳輸時延的要求不斷提升。本報告從網路傳輸時延的來源分析入手，研究了雲端資料中心網路的低時延架構，探討了智慧移動終端的新型低時延接入傳輸技術，並與 VR 和移動雲儲存等主流應用相結合來降低時延，最終嘗試設計新型傳輸機制來滿足應用的網路傳輸時延需求。

呂志遠 / 清華大學計算機系博士生

呂志遠，清華大學計算機系網路所博士生。論文發表在 ISCC 等會議。

基於使用者網路行為的假冒使用者攻擊檢測

本次報告將給大家介紹使用者網路行為建模的工作。不同於傳統的基於使用者主機資料的建模方法，該工作針對假冒使用者攻擊問題提出了使用網路資料包描述欄位建模使用者網路行為和異常檢測的解決方案。該工作已被 ISCC 會議接收。

吳波 / 清華大學計算機系博士生

吳波，清華大學網路所五年級博士生，主要研究方向為網路體系結構、網路安全、區塊鏈等，曾在 ICDCS、IWQoS、Computer Networks、MASS、IPCCC 等國際會議和期刊上發表多篇一作論文，獲中國發明授權專利 5 項、中國通訊行業標準 3 項。

Enabling Efficient Source and Path Verification via Probabilistic Packet Marking

當前網路容易受到源地址哄騙、流量劫持等各種型別的網路攻擊，現有的安全驗證方式具有較大的驗證開銷和通訊開銷，影響網路傳輸的效能。在本次報告中，我將會給大家介紹一種基於隨機標識的源地址與路徑安全驗證方式，避免了現有逐跳逐包的驗證方式，具有高效性、低開銷等優勢。

朱昊 / 清華大學計算機系本科生

朱昊，清華大學計算機系四年級本科生，主要研究方向為計算語言學，在 ACL，EMNLP，NAACL 等會議上發表多篇論文。

Neural Finite State Transducers: Beyond Rational Relations

在這次報告中，我將會給大家介紹 Neural Finite State Tranducers。這種模型具有超過 rational relations 的表達能力，又能同時 encode 輸入串和輸出字首，而且容易幫助使用者引入歸納偏置，更具有可解釋性。

方誌翀 / 清華大學計算機系本科生

方誌翀，清華大學計算機系本科生，研究興趣為資料挖掘、反事實機器學習。

針對背景關係相關的檢查傾向的幹預收穫

我將在這次報告中介紹反事實機器學習領域中的一項工作，透過搜尋引擎 A/B 測試或者生產策略更換的點選資料估計不同背景關係的檢查機率。

梁宸 / 清華大學計算機系本科生

梁宸，清華大學計算機四年級本科生，感興趣的研究方向有人機互動、自然語言處理、金融推薦等，曾在 CHI、AAAI 會議上發表 2 篇論文，其中一作 1 篇。

DeepChannel: 基於顯著性估計與對比學習的抽取式文字摘要生成方法

在這次報告中，我將會給大家介紹 DeepChannel，一種基於顯著性估計與對比學習的抽取式文字摘要生成方法，與傳統的摘要生成方法相比，它具有資料高效性、良好的泛化能力等優勢。

劉明華 / 清華大學計算機系本科生

劉明華，清華大學四年級本科生，主要研究方向為機器人規劃、機器人三維重建等，曾在 AAMAS、PG 等會議上發表多篇論文。

Task and Path Planning for Multi-Agent Pickup and Delivery

在這次報告中，我將會給大家介紹一類多智慧體的路徑和任務規劃問題，在倉庫物流、飛機牽引等現實場景中有著廣泛的應用。

王曉智 / 清華大學計算機系本科生

王曉智，清華大學計算機系三年級本科生，入選清華大學“未來學者”計劃和“星火”科技創新人才培養計劃。研究方向為資訊抽取和知識圖譜。曾在 COLING 2018 和 NAACL-HLT 2019 上各以第一作者身份發表一篇文章，並均被選做口頭報告。

Adversarial Training for Weakly Supervised Event Detection

在這次報告中我將會為大家介紹我在事件檢測領域的最新工作，它利用對抗訓練的技術減輕了模型的資料依賴，從而更加適用於弱監督場景。

翁家翌 / 清華大學計算機系本科生

翁家翌，清華大學計算機系本科生，主要研究方向為強化學習與遊戲 AI，曾獲得國際比賽 VizDoom2018 Track1 冠軍。

Playing FPS Games with Environment-Aware Hierarchical Reinforcement Learning

深度強化學習在圍棋等任務上獲得成功，引起廣泛關註。但是在不確定性、資訊不完全等情況下，深度強化學習往往面臨決策空間巨大、獎勵函式設計困難和探索效率低下等挑戰。本報告針對目前深度強化學習所面臨的問題，介紹人類領域知識、隱性經驗和深度強化學習的融合機制，探討利用人類知識降低資訊不完整性、實現高效探索等問題的解決方案。利用相關方法，我們在多智慧體 FPS 遊戲競賽 VizDoom2018 上獲得了 Track 1 的預賽和決賽冠軍，成為該賽事歷史上首個中國區冠軍，本報告將介紹我們的解決方案。