***会议报告 1: 深度学习使能的程序理解***

【报告摘要】人类用其编写的软件告诉计算机如何解决现实问题。本报告介绍近年来在用深度学习技术提升软件开发效率方面的持续的探索，展示如何通过代码表示学习支持软件工程师的编程任务，如代码预测和补全、代码注释生成、代码克隆检测等。这些探索性工作展示了可以从程序代码学习到的知识，即可学习的隐性知识。虽然这些隐性知识不太容易用显式的方式表达出来，但却可以在编程任务间传递。报告最后对该领域未来研究进行了展望。

【报告人简介】

金芝，北京大学教授，973项目首席科学家。任北京大学高可信软件技术教育部重点实验室常务副主任。2006年获得国家杰出青年科学基金。兼任国务院学位委员会学科评议组成员（软件工程），中国计算机学会会士与常务理事，中国计算机学会系统软件专业委员会主任。任IEEE TSE/TR Associate Editor，《软件学报》执行主编，《计算机学报》副主编，Empirical Software Engineering编委。主要研究领域包括：软件需求工程、知识工程、和基于知识的软件工程等，主持973项目、国家重点研发项目、以及多项国家自然科学基金重点项目等。获教育部高等学校科学研究优秀成果奖科技进步一等奖1项，中国计算机学会科学技术奖技术发明一等奖1项。出版英文专著3部，中文编著1部，发表论文180余篇。

***会议报告 2：知识构建及知识推理***

【报告摘要】知识已经成为推动人工智能进入下一个发展阶段必不可少的驱动力，然而现有的知识表示框架还有待进一步提升。本次报告将首先介绍能够融合知识图谱与事理图谱的多元知识表示框架，在此表示框架的基础之上，重点介绍如何将知识的“黑箱化”向量空间表示提升到“可解释”的语义空间的知识表示学习方法，从本质上提升知识推理的可解释性。本次报告的最后将介绍如何将自然逻辑与神经网络相结合进行可解释的知识推理。

【报告人简介】

秦兵，哈尔滨工业大学计算学部长聘教授，中国中文信息学会理事，中国中文信息学会情感计算专委会（筹）主任，语言与知识计算专委会副主任，科技部科技创新2030-“新一代人工智能“重大项目管理专家组成员。主要研究方向为自然语言处理、知识图谱构建、情感计算及文本生成等。入选“2020年度人工智能全球女性及AI 2000最具影响力学者榜单”和“福布斯中国2020科技女性榜”。