报告简介：本次报告主要介绍两个内容，对应两篇NAACL文章。句法信息的有效利用一直是一个比较难的问题，常用的Tree-LSTM模型一方面在使用效率上比较差，另一方面也会引入错误传播，即句法分析结果出错会进一步影响其使用价值。为此，第一部分介绍的是基于句法增强的神经网络机器翻译模型，采用了一种句法增强的词表示方法，使得效率和效用都进一步加强。这种句法增强的方式本质上就是基于句法信息的预训练，在这个思想导引上，第二部分内容介绍这一预训练思想在意见挖掘上的应用，主要识别每一个意见的持有者和对象，我们发现这一任务和语义角色表示很类似，这里分析了如何采用语义角色标注帮助意见挖掘角色分析。

报告人简介：张梅山，天津大学副教授。2014年博士毕业于哈尔滨工业大学，2014年11月至2015年11月在新加坡科技与设计大学做博士后，2016年1月入职黑龙江大学，2019年4月入职天津大学。目前主要从事自然语言处理和机器学习的研究工作，尤其词法句法分析、情感分析以及它们与深度学习的结合，并在自然语言处理领域的知名国际期刊和国际会议上包括TASLP、ACL、EMNLP、COLING、AAAI和IJCAI等发表论文20多篇。