Presentation

Min forskning ligger inom området språkteknologi. Jag kombinerar modeller och metoder från teoretisk datavetenskap och maskininlärning för att designa nya algoritmer för automatisk språkförståelse, och tillämpar dessa algoritmer på praktiska problem inom språkteknologi och textanalys.

Från text till betydelse

Att bygga datorer som förstår mänskligt språk är ett av de centrala målen inom artificiell intelligens. En nyckelteknologi för språkförståelse är semantisk parsning: att automatiskt mappa en mening till en formell representation av dess betydelse – till exempel en sökfråga, robotkommando eller logisk formel. Tillsammans med mina medförfattare har jag utvecklat grundläggande algoritmer för att parsa till en mycket använd typ av betydelserepresentation som kallas dependensgrafer. Vår forskning har också bidragit till en bättre förståelse av de artificiella neuronnät som driver moderna parsrar. Vi har sammanställt referensdatamängder för utveckling och utvärdering av dependensparsrar och samlat forskare kring uppgiften att jämföra olika parsrar och betydelserepresentationer.

Att förstå representationer

Ett genombrott på vägen mot naturlig språkförståelse är utvecklingen av djupa artificiella neuronnätsarkitekturer som lär sig kontextualiserade representationer av språk såsom BERT och GPT-3. Även om detta har väsentligt förbättrar kvalitén av språkteknologiska system för ett brett spektrum av uppgifter, så förblir dock vår förståelse för de representationer som dessa nätverk lär sig och vår repertoar av tekniker för att integrera dem med andra kunskapskällor och slutledning starkt begränsad. I aktuella forskningsprojekt – ett samarbete med Chalmers och företaget Record Future - utvecklar min grupp nya metoder för att tolka och förankra kontextualiserade språkrepresentationer.

Undervisning

Jag brinner för undervisning och arbetet med studenter. Min främsta drivkraft som forskare är den kreativa energin som jag hittar i att göra komplicerade frågor enkla. Samma energi motiverar mig även som lärare. Idag är det mesta av min undervisning kopplad till min forskning inom språkteknologi och maskininlärning, men jag har undervisat kurser och handlett studenter i många olika områden inom datavetenskap och på studienivåer. Jag är involverad i flera utbildningsprogram vid Tekniska fakulteten och Filosofiska fakulteten och är examinator för följande kurser:

Language Technology
Natural Language Processing 
Text Mining
Deep Learning for Natural Language Processing

Visa/dölj innehåll


Visa/dölj innehåll

Publikationer
Visa/dölj innehåll

2020

Robin Kurtz, Stephan Oepen, Marco Kuhlmann (2020) End-to-End Negation Resolution as Graph Parsing Proceedings of the 16th International Conference on Parsing Technologies and the IWPT 2020 Shared Task on Parsing into Enhanced Universal Dependencies , s. 14-24

2019

Nyheter
Visa/dölj innehåll

Medarbetare AIICS
Visa/dölj innehåll

Om AIICS
Visa/dölj innehåll

Om Institutionen för datavetenskap
Visa/dölj innehåll