研究内容: 自然语言处理，意见挖掘与情感分析
1.中文基础语言分析技术，包括中文分词，词性标注，句法分析等任务。如下图所示例子，给定一段原始文本“中国建筑业呈现新格局”，中文分词将句子切割成词的序列，形成“中国 建筑业 呈现 新 格局”；进一步词性标注为每个词标注词的属性，比如NR表示专有名词，NN表示普通名词，VV表示动词，JJ表示形容词；然后句法分析用于解析句子结构信息，比如“中国 建筑业”形成一个名词短语NP，而“呈现 新 格局”表示一个动词短语VP，名词短语和动词短语组合成一个句子。
代表作：
● Chinese Parsing Exploiting Characters (ACL 2013)
● Character-Level Chinese Dependency Parsing (ACL 2014)
● Transition-Based Neural Word Segmentation (ACL 2016)
● Segmenting Chinese Microtext: Joint Informal-Word Detection and Segmentation with Neural Networks (IJCAI 2017)
● A Simple and Effective Neural Model for Joint Word Segmentation and POS Tagging (TASLP 2018)
2. 面向社会媒体的文本情感分析。如下图所示，给定一段评论意见句，挖掘评论短语“非常满意”和“比较高”，判断其极性正面（+），然后为每个评价短语分析其意见持有者(is-from)和意见对象(is-about)以及意见原因(is-reason)。
代表作：
● Neural Networks for Open Domain Targeted Sentiment (EMNLP 2015)
● Gated Neural Networks for Targeted Sentiment Analysis (AAAI 2016)
● Context-Sensitive Twitter Sentiment Classification Using Neural Network (AAAI 2016)
● Improving Twitter Sentiment Classification Using Topic-Enriched Multi-Prototype Word Embeddings (AAAI 2016)
● End-to-End Neural Opinion Extraction with A Transition-Based Model (Information Systems 2019)