新闻中心

排序方式

联培博士,求索不已:沈向洋等人探讨计算机博士培养

挑战不止,变化不息,求索不已,这是微软研究院肩负的使命,也是微软亚洲研究院联合培养博士生项目的基因。在微软亚洲研究院与高校携手开展联合培养博士生项目20年之际,几位与联培博士生项目渊源深厚的“老朋友”再次相聚在微软亚洲研究院,就计算机博士培养开展了一场求索未来的“创享对话”。

发布时间:2019-11-29 类型:深度文章

2020 IEEE Fellow名单出炉:微软亚洲研究院陈卫博士获选

2020 IEEE Fellow 名单在今日公布,据统计,本届共有 280 多人当选,其中华人占比近三成。微软亚洲研究院高级研究员陈卫因在社交网络影响力最大化算法研究方面的贡献成功入选。

发布时间:2019-11-27 类型:深度文章

Project Silica: 微软研究院实现“玻璃存储”,把电影《超人》写入石英玻璃

本月,在微软最大规模的年度 IT 盛会 Ignite 2019上,微软公司首席执行官萨提亚·纳德拉宣布,微软与华纳兄弟首次将电影《超人》存储在了一块杯垫大小的石英玻璃中。这块75×75×2毫米的玻璃能够安全地存储 75.6GB 数据,不仅防水、耐磨、耐高温,更无需用高功耗的方式保存和维护。从海底数据中心到全自动 DNA 数据存储,将光学技术引入云计算领域的 Project Silica,代表了微软对下一代的云存储技术的又一展望。

发布时间:2019-11-27 类型:深度文章

AAAI 2020丨沟壑易填:端到端语音翻译中预训练和微调的衔接方法

编者按:在端到端的语音翻译中,虽然预训练配合微调的方法被广泛使用,但两个环节尚且不能很好地进行衔接。微软亚洲研究院提出串联编码网络(Tandem Connectionist Encoding Network, TCEN),使参与语音翻译任务的每个子网络都能够被预训练,且预训练中学到的参数都将在微调过程中使用,从而显著提升语音翻译模型性能。

发布时间:2019-11-25 类型:深度文章

基于多视角学习和个性化注意力机制的新闻推荐

个性化新闻推荐是新闻行业必然的发展方向,在其实现过程中面临着三个关键问题,即分析用户兴趣、根据新闻内容建模和新闻排序。本文将这三个问题划归为新闻信息与用户兴趣的多样性问题,并由此出发,提出了基于多视角学习和个性化注意力机制的解决方案,相关论文发表在 IJCAI 2019和 KDD 2019。

发布时间:2019-11-21 类型:深度文章

机器推理系列第四弹:基于推理的多轮语义分析和问答

自然语言处理的发展进化带来了新的热潮与研究问题。基于一系列领先的科研成果,微软亚洲研究院自然语言计算组将陆续推出一组文章,介绍机器推理(Machine Reasoning)在常识问答、事实检测、自然语言推理、视觉常识推理、视觉问答、文档级问答等任务上的最新方法和进展。此前我们介绍了机器推理的系列概览,机器推理在常识问答和事实检测任务中的应用,以及跨语言预训练,本文是该系列的第四篇文章。

发布时间:2019-11-20 类型:深度文章

直击现场!2019微软人工智能峰会圆满举办

岁末青岛,秋诗冬韵,群贤毕至,论道 AI。11月13日,以”智慧青岛 • AI赋能百业未来“为主题的2019微软人工智能峰会在青岛崂山拉开帷幕。作为人工智能领域的年度科技盛会,此次峰会吸引了来自政府领导、学界教授、知名企业家、创企先锋等百余名重量嘉宾参加。与会嘉宾共同探讨 AI 前沿技术趋势,并围绕 AI 如何赋能互联网、教育、金融、征信、制造等行业的创新发展进行深入交流。

发布时间:2019-11-15 类型:深度文章

AAAI 2020丨从嘈杂视频中提取超清人声,语音增强模型PHASEN已加入微软视频服务

在刚刚落幕的 Ignite 大会上,微软展示了企业视频服务 Microsoft Stream 中的一项新功能——无论你在多么嘈杂的地方录制视频,Microsoft Stream 都能自动过滤背景噪音,让主要语音超清晰地呈现出来。这一技术由微软亚洲研究院与 Microsoft Stream 团队共同研发,研究团队提出了关注相位和谐波的语音增强模型 PHASEN,通过双流结构让降噪效果大幅超过此前方法。该论文已被 AAAI 2020 接收。

发布时间:2019-11-13 类型:深度文章

EMNLP 2019 | 大规模利用单语数据提升神经机器翻译

目前,目标语言端的无标注单语数据已被广泛应用于在机器翻译任务中。然而,目标语言端的无标注数据一旦使用不当,反而会给模型结果带来负面影响。为了有效利用大规模源语言端和目标语言端的单语数据,微软亚洲研究院在 EMNLP 2019 上发表的论文中,提出一种简单的语料数据使用流程,只需要四个步骤就能极大地提高模型翻译结果。

发布时间:2019-11-12 类型:深度文章

EMNLP 2019 | 基于层次化注意力图网络和多视角学习的商品推荐

在电子商务的发展中,个性化推荐技术对于提升平台运营水平、商户营收以及用户购物体验都发挥着至关重要的作用。精进这一技术的关键在于准确有效的用户和商品表示与交互。微软亚洲研究院在 EMNLP 2019 上提出了一种基于层次化注意力图网络增强用户和商品表示的个性化推荐方法 RMG,可以有效结合商品评论以及用户-商品图信息。

发布时间:2019-11-11 类型:深度文章