本篇獲獎?wù)撐挠尚機(jī)器人與北京郵電大學(xué)聯(lián)合發(fā)表，聚焦基于增強(qiáng)突發(fā)詞檢測的突發(fā)事件檢測方法（Discovering Bursty Events based on Enhanced Bursty Term Detection，Burst_NBT）。

　　以微博為例，微博作為一種實時交互的社交媒體，能夠提供給用戶作為社交平臺來發(fā)表內(nèi)容、交換信息。許多真實的事件都是被微博首先揭露，然后再被傳統(tǒng)主流媒體報道，例如滴滴順風(fēng)車事件、2018年重慶公交車墜江事件。因此，基于微博的突發(fā)事件檢測已經(jīng)成為了一個研究熱點。

　　如何從微博中發(fā)現(xiàn)重要的突發(fā)事件目前還存在著挑戰(zhàn)。因為微博內(nèi)容簡短多變、五花八門，充滿了各種類型的話題。例如對日常天氣的描述、個人心情的表達(dá)等。我們?nèi)绾螐奈⒉┎┪闹型诰蛑匾耐话l(fā)事件，過濾掉不重要信息，并且區(qū)分屬于同一主題的不同事件？

　　目前業(yè)內(nèi)針對短文本話題檢測已有一些方法。例如BTM直接對詞的共現(xiàn)模式進(jìn)行建模、BBTM在BTM的基礎(chǔ)上將詞對的突發(fā)性作為先驗知識用于突發(fā)主題建模、Burst_ST抽取事件突發(fā)期間的hashtag，將提取關(guān)鍵詞用于描述檢測到的事件等……這些方法雖然對突發(fā)事件檢測的性能有所改善，但問題依然存在，而這些問題正是此次獲獎?wù)撐囊鉀Q的難點問題。

　　在本篇獲獎?wù)撐闹刑岢龅腂urst_NBT由兩部分構(gòu)成。第一部分，增強(qiáng)突發(fā)詞的檢測；第二部分，突發(fā)詞聚類與突發(fā)事件排序。增強(qiáng)突發(fā)詞的檢測由兩部分構(gòu)成，分別是有意義字符串字典的構(gòu)建與突發(fā)詞得分的計算。Burst_NBT利用微博中的hashtag與標(biāo)題等信息構(gòu)建有意義字符串字典，并利用突發(fā)詞的先驗信息計算突發(fā)詞得分，然后利用微博博文評論數(shù)平滑后的對數(shù)表示博文影響力。在大量數(shù)據(jù)集上的實驗結(jié)果驗證了Burst_NBT在突發(fā)事件檢測準(zhǔn)確率以及事件描述準(zhǔn)確性上均優(yōu)于其他方法。

　　經(jīng)過多年的建設(shè)，小i機(jī)器人目前已經(jīng)形成了三級技術(shù)研發(fā)體系：研究院—產(chǎn)品研發(fā)中心—解決方案中心。同時，小i機(jī)器人也非常重視產(chǎn)學(xué)研的深度結(jié)合，其中除了與華東師范大學(xué)、中國科學(xué)院軟件所、香港科技大學(xué)等建立了聯(lián)合實驗室外，也與中國科技大學(xué)、復(fù)旦大學(xué)、北京郵電大學(xué)、北京大學(xué)等建立了深度合作關(guān)系，在自然語言處理、文本挖掘及情感交互等多方面開展了深度研究工作。

　　小i機(jī)器人也一直將最新的認(rèn)知智能技術(shù)研究成果和落地應(yīng)用展示于國際頂級學(xué)術(shù)會議和賽事中。例如，小i機(jī)器人研究院團(tuán)隊在今年7月的國際權(quán)威機(jī)器閱讀理解評測SQuAD1.1挑戰(zhàn)賽中獨(dú)立參賽斬獲全球第三的成績；于今年8月再次參加IJCAI，分享在認(rèn)知智能相關(guān)技術(shù)領(lǐng)域的突破等。

　　小i機(jī)器人核心技術(shù)的不斷突破與進(jìn)階，將持續(xù)為社會、行業(yè)和客戶帶來更多價值。未來，小i機(jī)器人也將不斷加強(qiáng)與學(xué)界的合作，進(jìn)一步提升人工智能技術(shù)水平，確保以更成熟的人工智能技術(shù)為更多的行業(yè)企業(yè)客戶提供服務(wù)。