编者按：新型冠状病毒肺炎疫情爆发后，网络上出现了很多信息，有真有假，我们一时难辨，真希望自己有一双火眼金睛可以识别网络上的虚假健康信息。快来参加Data Intelligence与东南大学计算机科学与工程学院联合组织的“数据智能与知识服务”国际研讨会，听听自然语言处理领域知名国际知名青年学者Heng Ji教授怎么说？
报告题目：信息诊室
报告简介：
可能大家跟我的感受一样，已经过去的2020年是非常糟糕的一年，这一年我们失去了亲人朋友，这一年我们悲痛欲绝，这一年我们忧心忡忡。近年来，一些别有用心的人利用自然语言处理和计算机视觉的生成式神经网络模型制造了大量虚假信息。这些人工智能模型生成的消息看起来很像是真的，人们很容易上当受骗。因此，开发具有鲁棒性的验证技术识别机器生成的虚假信息迫在眉睫。
当前虚假信息的识别方法主要包括基于文本的方法，利用词汇特征并嵌入语义关系分辨真伪。但是编造虚假信息的人只是会操纵（包括误用，夸大，或伪造）真实信息的一小部分内容，即知识元素（包括实体，关系和事件）。而且，最近新闻里的一些论断，我们还没有证据能判断这些论断的真假，评价这些实时产生的论断的真实性，则更多要看这些论断和其他多模态数据集的信息是否一致。本次报告中，我将汇报我在信息抽取方面的研究，我们的研究方向是评价新闻真假，并且致力于改变全世界的新闻消费状况。我们的方法把传统的事件抽取方法扩展到未来事件预测的方法，利用多媒体多语言的信息作为基础来分析全世界的新闻报道，辨别细粒度的伪造信息，修正错误信息，把信息按照重要性排序后用于总结分析。
我将展示一个新的“信息诊室”模型，该模型充分利用业界最先进的多媒体联合知识抽取技术来分析细粒度的事件、实体和关系元素，同时分析是否这些抽取到的知识元素和其他多模态数据集和背景知识是一致的。我们提出了一个新颖的概率图神经网络模型来融合来自评价指标的输出数据，从而识别虚假信息，同时该模型将使得研究结果可解释。要完成基于知识元素层次的虚假信息识别的任务，我们面临的主要挑战是缺少训练数据。因此，我们又提出了一个新的图-文本生成方法，我们操作知识元素自动生成噪声训练数据。实验结果表明我们的方法识别精确率达到92%-95%，比当前最先进的方法的精确率高16.8%。
在第二届“数据智能与知识服务”研讨会上, Heng Ji教授将介绍并讨论辨别虚假网络信息这一主题的最新进展。
报告时间：2021年7月10日
报名方法：第二届“数据智能与知识服务”研讨会将于7月9-12日在南京东南大学榴园宾馆召开，会议有线上参会和线下参会两种形式。6月20日之前报名有优惠。点击文后阅读原文了解会议信息。
点击二维码可在线报名，请备注参加线上会议还是线下会议。
报告人介绍：Heng Ji（季姮）是美国伊利诺伊大学香槟分校计算机科学系教授，电气与计算机工程系岗位教师，是亚马逊学者。她于清华大学获得计算语言学学士学位和硕士学位，于美国纽约大学获得计算机科学硕士学位和博士学位。她的研究兴趣包括自然语言处理，特别是多媒体、多语言信息抽取，知识图谱数据，以及知识驱动的信息生成。她当选为“青年科学家”，是2016年和2017年世界经济论坛的全球未来理事会成员。她2013年入选国际人工智能领域著名期刊IEEE Intelligent Systems发布的“人工智能10大新星”名单，2009年获得美国自然科学基金早期职业生涯奖，2009年和2014年获得谷歌研究资助奖，2012年和2014年IBM杰出学者奖，2014-2018年获得博士研究奖，2019年获得腾讯AI Lab犀牛鸟资助学者奖，2020年ACL最佳演示论文奖。她是许多国际会议的程序委员会共同主席，包括自然语言处理顶会NAACL-HLT2018。她当选为国际计算语言学学会北美分会秘书（2020-2021）。
Heng Ji教授是Data Intelligence的重要作者，她在DI刊发的论文“Joint Entity and Event Extraction with Generative Adversarial Imitation Learning”得到了广泛关注。
温馨提示：点击文章标题即可跳转至文章导读哦！
Joint Entity and Event Extraction with Generative Adversarial Imitation Learning
作者：Tongtao Zhang, Heng Ji, Avirup Sil
论文地址：https://doi.org/10.1162/dint_a_00014
Data Intelligence 期刊介绍
Data Intelligence 是中国科学院文献情报中心主办的英文学术期刊。创刊于2019年，目前被ESCI, Scopus、DOAJ、Inspec数据库收录。期刊以知识表示、处理与应用（本体、元数据及其标准、语义标注体系、知识图谱等）及结构化、语义化的数据论文、语义数据驱动的智能算法、系统、平台为刊发主体，致力于推动数据融合、数据与数据处理平台的有效共享、倡导数据追本溯源，促进知识实时构建，并为下一代精准智能语义数据分析和应用以及深度知识服务提供创新源泉。期刊官网：https://direct.mit.edu/dint 。
本篇文章来源于微信公众号:数据智能英文刊
