报告题目：多源知识增强的小样本意图识别研究
报告时间：2025年12月22日16:00-17:00
报告地点：软件学院综合楼第一会议室
报告人：张枫
报告内容：
随着深度学习技术的迅猛发展，智能人机交互系统在理论研究和实际应用中均取得了显著突破。近年来，ChatGPT、DeepSeek 等大语言模型的出现更是将智能人机交互系统推向新的发展浪潮。意图识别是特定领域人机交互系统中最为关键的环节，其旨在有限空间下精准理解用户需求并形成显式的意图类别，直接驱动智能系统完成后续任务的执行，并决定了整体系统的性能与应用效果，保证交互过程的安全可控和可解释。
现有数据驱动的传统意图识别算法依赖于大规模、高质量的标注数据。随着任务场景愈加复杂，各种层出不穷的新应用无可避免地面临着严重的数据匮乏问题，数据驱动的意图识别算法难以有效应对动态场景，尤其是在面对新意图或未知意图时，表现出较大的局限性。因此，如何设计高质量的低资源场景算法，充分利用外部知识提升模型的迁移泛化能力，依然是亟须深入研究的重要课题。
本报告以多源知识增强为核心，围绕通用模型知识、跨领域数据知识和目标任务知识等维度，系统地介绍从通用知识到特定知识逐层深入的小样本学习框架，并讨论相关方法在复杂真实场景中的应用与挑战。
报告人简介：
张枫，北京大学计算机学院博士研究生，于 2021 年获得大连理工大学网络工程学士学位。研究方向为人工智能和数据挖掘，重点关注自然语言处理中的零/少样本学习方法以及大语言模型的应用。已在 ACL、KDD、AAAI、CIKM、COLING、EMNLP 等国际会议和期刊发表多篇研究论文。曾荣获北京大学优秀三好学生、北京大学九坤奖学金等荣誉称号和奖励。
