bfs

许多真实世界的网络不是静态的而是处于不断进化的状态，随着网络的不断进化，一方面新节点需要被表示，另一方面，原始节点的嵌入表示就变得陈旧，需要被不断更新。本次学术报告首先介绍了动态网络嵌入的概念，后对DNE模型算法进行理解分析。算法首先提出可分解的目标函数，增加新节点嵌入时的灵活性，后提出选择原始节点更新的标准，极大的减轻了重训练复杂度。此框架对网络嵌入未来发…

案件文本分析包含多个子任务，比如罪名、刑期、法条裁决、相似案例匹配、Q&A等。人工智能在法律中的应用，其目标是充分提升法治效能，将法律工作者从繁杂的工作中解放出来。本次学术报告介绍了罪名预测和相似案例匹配这两个子任务，并分享任务处理过程中的技巧和方法；最后提出该任务在其他领域的应用以及未来工作。

网络嵌入（Network Embedding）是针对网络中节点进行特征学习的一项新兴的研究任务，它旨在将网络中的节点表示成低维、实值、稠密的向量形式，使得得到的向量形式可以在向量空间中具有表示以及推理的能力，从而运用到社交网络中常见的应用中，如节点分类、链接预测等。本次学术报告主要讲述网络嵌入的研究发展过程，首先介绍了图嵌入的一些基本概念，然后着重介绍了3个…

关键词提取技术是通过计算机程序从文档中自动提取重要性和主题性的词或短语的自动化技术，该技术在图书馆学、情报学和自然语言处理等领域应用广泛。目前关键词提取技术主要分为无监督和有监督这两大类。本次学术报告主要讲述无监督的关键词提取技术，首先介绍了关键词提取的一些基本概念，然后着重介绍了一些经典的无监督关键词提取技术，最后讲述了关键词提取技术的应用领域和未来的研究…

元学习是人工智能领域继深度学习、深度强化学习、生成对抗之后，又一个重要的研究分支。模型无关元学（MAML）算法可以适用于多个领域，包括少样本的回归、图像分类，以及增强学习，并且使用更少的参数量达到了当时（2017年)最先进的专注于少样本分类领域的网络的准确率。本次报告首先讲述了元学习的基本概念，着重介绍了模型无关元学习算法的算法原理，以及它在回归问题和分类问…

半监督学习(Semi-Supervised Learning，SSL)是模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的一种学习方法。本次报告首先讲述了半监督学习的基本概念，着重介绍了关于半监督学习一些经典的研究方法和重要的算法举例；最后介绍了目前稍新颖的基于生成式对抗网络的半监督学习方案以及未来可以进行的工作和研究方向。

本次报告首先介绍了线程、进程的概念，由此讲解操作系统中实现并发编程的三种方式，着重介绍了Python语言下多线程、多进程、协程的编程方法，并结合开发实际，给出了在线程、进程、协程之间的选择模式。最后，介绍了高并发的概念，讲述了web开发过程中解决高并发问题一些方案。

安全漏洞的数量和复杂程度与日俱增，导致漏洞挖掘的成本也在不断升高。而近年对深度学习的研究使得机器具有分析学习能力，如何将深度学习算法应用漏洞挖掘技术成为研究热点。本次报告首先介绍了两种常见的漏洞类型：缓冲区错误和资源管理错误，然后梳理了漏洞挖掘相关技术。最后，详细阐述了两种将深度学习算法应用于源代码漏洞挖掘任务的工作内容，并进行了纵向和横向对比分析。