2014年1月13日，美国纽约城市大学副教授黄亮应邀在清华大学做题为“Linear-time Algorithms in Natural Language Understanding and Learning”的学术报告。来自北京各高校和研究所的渝30名老师和学生参加了报告会并进行了深入的交流。
由于自然语言是一种具有高度歧义的语言，指数级空间的搜索和模型学习问题仍然是自然处理的主要挑战之一。本报告中黄亮介绍了他的团队在这方面的工作。为解决指数级空间的搜索问题，他的团队提出了一种适用于增量句法分析（incremental parsing）的线性时间的动态规划模型，该模型在线性时间内可以分析指数级数量的结果，极大提高了搜索效率和搜索质量。为了解决大数据上的模型学习问题，他的团队提出了一种面向近似搜索（approximate inference）的结构化感知机（structured perceptron）学习框架，对结构化感知机的收敛条件进行了推广，并提出了针对非精确搜索（inexact search）的权重更新算法，在词性标注、句法分析、机器翻译等任务上都有显著的提升。
黄亮现为美国纽约城市大学副教授。他于2008年在宾西法尼亚大学毕业，曾任职于Google、USC/ISI。他的主要研究兴趣是计算语言学的基础理论及相关的机器学习理论问题。他曾获得自然语言处理领域顶级会议ACL 2008最佳论文奖，获得ACL 2007，EMNLP 2008，ACL 2010最佳论文提名奖，两次Google Faculty Research Award，并于2005年获得宾西法尼亚大学教学奖。
·氧分子网（www.yangfenzi.com）延伸阅读：
➤ 第十届全国自然语言处理青年学者研讨会（YSSNLP2013）在国防科学技术大学成功召开
➤ 第九届全国自然语言处理青年学者研讨会在哈工大深研院成功召开
·氧分子网（www.yangfenzi.com）综合整理
