自然语言具有内在的结构。词语相互组合形成层次结构来传达意义。虽然这些组合结构(如解析树)在人类语言理解中起着至关重要的作用，但在人类语言习得过程中却看不到它们。然而，在没有明确监督的情况下，人类学习者在习得母语语法时几乎没有什么困难。这激发了经典的语法归纳任务(即，从原始文本中数据驱动的句法结构发现)，这已被证明对人工语言学习者来说在经验上是困难的。在这次演讲中，我将展示模型参数化和推理方面的最新进展-如何能够改进从原始文本中发现语法结构的计算工具。

https://nlp.stanford.edu/seminar/details/yoonkim.shtml

Yoon Kim是麻省理工学院- ibm沃森人工智能的研究科学家，致力于机器学习和自然语言处理。他在亚历山大·拉什(Alexander Rush)的指导下，于2020年获得哈佛大学(Harvard University)计算机科学博士学位。他将于2021年加入麻省理工学院，担任助理教授。