「2019数据智能创新应用大赛」启动,邀你参加智能对话顶尖赛事

11月6日,“2019数据智能创新应用大赛”拉开帷幕,正式发布赛题。本次大赛是由北京市科学技术委员会人才交流中心和北京百分点信息科技有限公司联合举办的智能对话顶尖赛事。

大赛以“创新应用 · 数据赋能”为主题,致力于为全国高校、企业、团队和个人搭建一个公平开放的数据智能创新应用竞技平台。目标是探索用数据智能来解决现实世界问题的可行性,挖掘并培养掌握新一代信息技术的数字人才,加强数字人才体系建设,构建数字产业生态,推动数字经济发展。

大赛亮点1:行业竞赛与人才培养深度融合

数据和人才是新时代数字经济发展的重要生产要素。围绕数字人才培养,联合大数据和人工智能头部企业、高等院校、科研机构,以及学堂在线、来Offer、猎聘网等数字人才学习和服务平台,组织大数据、人工智能等领域知名专家与高校名师资源,搭建国内顶尖的数据智能创新竞赛平台和数字人才培训服务平台,提升在大数据分析、数据建模、算法优化、软件编程等领域的数字技能应用和跨界交叉融合能力。

大赛亮点2:权威专家与数字精英紧密互动

大赛设置了高规格的专家评审委员会,邀请来自清华、中科大、复旦等高校学科带头人,中国科学院、中国电子科学研究院等业界专家,以及企业技术负责人担任赛事评委,对参赛选手任务结果进行评选。此次大赛通过竞赛评选、人才培养和应用实践的创新模式,可以为企业和社会发掘数字人才,加强数字人才的培养,为新一代信息技术培养数字精英,服务实体产业升级,推动数字经济快速发展。

大赛亮点3:创新应用与产业实践有机协同

为了加强数字人才培训和实践,大赛通过与北京城市大数据研究院、北京金隅智造工场等数字技术创新与服务平台合作,打造数字人才实践基地,鼓励参赛选手将富有创新性的研究成果转化为应用实践,融通“教育链-人才链-创新链-产业链”, 打造北京数字经济产业生态系统,建设北京数字经济人才高地,推动北京全国科技创新中心建设。

赛题发布 公开业内首批法律问答类数据集

智能问答在各个领域的应用正在获得越来越广泛的关注,尤其对于政务、法律等专业领域而言,智能问答系统的准确度及稳健性尤为重要。

在法律领域,AI律师助手的出现可以有效缓解目前存在的国内法律专业人才稀缺的问题。然而在现实生活中,人们语言表达方式多样,在对话中出现一些错别字或一些无意义的干扰词,就会使机器难以“听懂”一句话的真实意图。目前在智能对话研究领域内,对抗攻击研究是AI领域内的一个新兴研究方向,旨在提高智能问答系统的准确度及稳健性。所谓对抗攻击(Adversarial Attack),就是针对现实中复杂多变的对话情况,来考验模型的稳健性,能否准确地判别用户的输入是否为系统内置给定问题的语义等价问法。

为此,本次赛题定为“基于Adversarial Attack的问题等价性判别”,源自百分点在实践中的真实应用场景,并公开发布业内首批法律问答类数据集。要求参赛团体和个人通过研究智能对话的鲁棒性问题进行算法创新,创造出更多新的智能解决方案,解决法律知识问答当中存在的系统不稳健问题,提高对话系统的“思考能力”和“解决问题”的能力,实现从“听见”到“听懂”, 最终提高AI律师助手的用户体验度。

让机器从“听见”到“听懂”的距离,也许只差一个舞台。本次大赛,是汇集人工智能领域顶尖专家交流技术成果的平台,是科研才俊展现技术实力与创造力的竞技场,是心怀科技理想的青年工程师们展示卓越才华的最佳舞台。希望参赛者以更广阔的视角发挥出最大的创造力,来场硬核的“智斗”。

登录官网,了解更多大赛详情:http://2019diac.percent.cn/

产业数据智能
1
相关数据
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

对话系统技术

对话系统大致被分成两类: 任务为导向的对话系统,帮助用户去完成特定任务,比如找商品,订住宿,订餐厅等。实现任务为导向的对话系统,主要有两类方式,流水线方法和端到端方法。非任务导向的对话系统,与用户进行互动并提供回答,简单的说,就是在开放领域的闲聊。实现非任务导向对话系统也主要可分为两类,生成方法和基于检索的方法。

问答系统技术

问答系统是未来自然语言处理的明日之星。问答系统外部的行为上来看,其与目前主流资讯检索技术有两点不同:首先是查询方式为完整而口语化的问句,再来则是其回传的为高精准度网页结果或明确的答案字串。以Ask Jeeves为例,使用者不需要思考该使用什么样的问法才能够得到理想的答案,只需要用口语化的方式直接提问如“请问谁是美国总统?”即可。而系统在了解使用者问句后,会非常清楚地回答“奥巴马是美国总统”。面对这种系统,使用者不需要费心去一一检视搜索引擎回传的网页,对于资讯检索的效率与资讯的普及都有很大帮助。从系统内部来看,问答系统使用了大量有别于传统资讯检索系统自然语言处理技术,如自然语言剖析(Natural Language Parsing)、问题分类(Question Classification)、专名辨识(Named Entity Recognition)等等。少数系统甚至会使用复杂的逻辑推理机制,来区隔出需要推理机制才能够区隔出来的答案。在系统所使用的资料上,除了传统资讯检索会使用到的资料外(如字典),问答系统还会使用本体论等语义资料,或者利用网页来增加资料的丰富性。

语义等价技术

在计算机元数据中,语义等价是来自不同词汇表的两个数据元素包含具有相似含义的数据的声明。

推荐文章
暂无评论
暂无评论~