人機自然語言認知作為智能人機對話的關鍵瓶頸，涉及語法、語義、語用等三個層級，越往后技術難度越大。語言認知與知識計算的發展，不僅需要引入自然語言理解、認知語言學、心理語言學、社會語言學等多學科的綜合參與，更需要引入知識圖譜技術對信息進行結構化、語義化和智能化的處理與應用。

認知計算是下一代計算范式。認知系統會從自身與數據、與人的交互中學習，不斷自我提高，從而隨著時間推移變得更加智能。伴隨著人工智能的發展，當前，認知技術正加速融入越來越多的 IT 解決方案，賦予它們一種類人的“思考能力”。這些新功能將支持人類完成以前無法完成的很多事情，比如更深入地理解世界的運轉方式、預測行為的后果并制定更好的決策等。IDC預測，到2020年，50% 的商業分析軟件將包含基于認知計算功能的分析工具，同時知識認知服務將嵌入新的應用之中。

所以我們不禁好奇，語言認知與知識計算時代還將創造出怎樣的奇跡？還會帶給我們怎樣的驚喜？為此，9月16日CCF TF 第12期將以“語言認知與知識認知計算”為主題，邀請業界頂級專家一起來探討這些問題。

作為語義網研究的開創者之一，云知聲AI Labs 資深專家劉升平受CCF TF邀請，將出席本次研討會并帶來《知性會話——基于知識圖譜的人機對話系統方法與實踐》的主題報告。

主題簡介

人機對話系統（會話交互），有望成為物聯網時代的主要交互方式。而語言的理解與表達和知識是密切相關的，知識圖譜作為一種大規模知識的表示形式，在人機對話系統中各模塊都有重要的應用。而知性對話，則是以知識圖譜為核心的人機會話交互服務。

本次報告將介紹知性會話的架構和關鍵技術，并結合工業級的人機對話系統實踐經驗，闡述知識圖譜在人機對話系統的核心模塊，包括口語理解，自然應答生成，聊天，問答，主動交互等方面的應用。

個人簡介

劉升平，前IBM中國研究院資深研究員，中文信息學會語言與知識計算專委會，醫療健康與生物信息處理專委會委員。2005年獲得北京大學數學學院信息科學系博士。曾在語義網，機器學習、信息檢索，醫學信息學等領域發表過20多篇論文。在IBM中國研究院信息與知識組工作期間，多次獲得過IBM研究成就獎。目前在云知聲領導NLP和智慧醫療團隊，主要從事要從事自然語言理解和生成，人機對話系統，聊天機器人，知識圖譜，臨床輔助診斷等研發工作。