电商领域的翻译对质量要求很高，需要提供“准合同”级的翻译结果，尤其是一些关键信息必须翻译完全正确。而机器翻译的结果还不够完美，除了从模型上采取多种策略进行改进外，我们还需要对翻译结果在输出前进行质量评估和控制。为了应对海量的翻译质量评估需求，我们开发了机器翻译质量自动评估模型，并且提出了一种全新的基于双向自注意力机制的自动评估算法，大幅度提高了自动评估与人工评估的Pearson相关系数，并且创新性地应用于我们实际电商翻译场景，从多个维度提高电商领域机器翻译的可靠性。

演讲提纲：

1. 电商领域机器翻译的应用与挑战

2. 多种策略改进电商翻译质量

3. 翻译质量的评测与评估

4. 翻译质量的人工评估标准

5. 翻译质量的自动评估方法

6. 翻译质量自动评估在电商机器翻译中的应用

7. 总结

听众收益：

1. 了解机器翻译在电商领域应用的困难以及成功的解决办法

2. 学习一种全新的翻译质量评估方法和将其成功落地应用的经验

智能客服系统已经在企业服务市场全面开花，其降成本、提效率的优势受到广泛的青睐。但是，智能系统从来不是一蹴而就，知文问答平台作为腾讯云智能客服系统的算法引擎，面临着跨行业跨领域跨场景的问答挑战。本次分享将以动态的视角，介绍知文平台在工业级实战中进化演变的过程，包括四大核心问答机器人的架构迭代，具体问答模型的算法调优，及背后的思考和选择。

 

演讲提纲：

1.  腾讯知文平台整体概述

2. 四大核心机器人架构迭代

 

听众收益：

1. 了解智能客服系统基础框架

2. 了解场景与数据下的问答实践

3. 了解技术选型、迭代的思考过程

万物互联时代，语音交互成为最为直接与便捷的人机沟通方式，但是当今各种热门语音交互产品的交互用户体验还并不能令人完全满意。本次分享将从语音交互的发展历史开始，聚焦当前语音交互系统中的典型技术难点进行分析，并结合讯飞AIUI语音交互平台，重点解释如何利用语音和语言技术解决这些难点问题，从而帮助语音交互系统提升交互效果。本次分享还将对典型语音交互的交互流程进行分析，并尝试探讨未来语音交互的潜在发展趋势。

提纲：

1. 语音交互的发展历程

2. 语音交互的技术难点

3. 语音交互中的语音和语言技术

4. 语音交互的未来发展趋势

听众受益：

1. 语音交互技术的发展历程

2. 影响语音交互用户体验的原因

3. 如何利用语音和语言技术提升语音交互效果

4. 语音交互未来可能发展趋势及技术挑战

语音技术，包括语音识别与合成等，经历了几十年的发展，恰逢人工智能时代的来临，对其应用场景做了重新定义。但是我们面临的问题从来没有变过：数据失配和模型假设。在本次演讲中，我将分享在小米，我们如何解决失配的问题，如何自动标注数据，以及我们如何在小米特有用户场景下进行产品和算法创新。我们在语音合成中也做了创新的尝试，利用语音识别辅助，端对端的技术取代传统文本处理，节省了繁杂的标注工作。

演讲提纲：

1. 小米语音是如何成长的？

电视->手机->音箱->儿童->车载->笔记本 

2. 语音技术中的自然语言应用

语音识别中采用了深度学习语言模型后，识别率绝对增长超过1%。尺寸小可做嵌入式使用。在语音合成中的文本分析，我们基于端到端网络结构，业内首次提出将端到端网络应用于合成前端，通过一个编解码网络，完成传统复杂前端中的多个模块的功能。通过多目标联合地并行训练，取得了媲美传统前端的性能。

3. 永远要突破算法的天花板

为什么语音算法可以在小米有所突破，发表顶级国际会议论文？不做空中楼阁。有实际产品需求，有用户场景，有强大的内测用户。

4. 语音应用的挑战

5. 小米过去20个月做语音的经验

听众收益：

1. 语音技术在智能家居环境中如何发挥作用

2. 了解如何快速将语音算法落地到产品

基于业内最大最全的汽车专业数据构建领域知识图谱，并结合NLP、深度学习等人工智能技术，实现智能聊天机器人“家家小秘”，提供真正智能化的服务，覆盖用户看车、买车、用车全流程，并已成为汽车之家的顶级入口之一。

然而，汽车领域数据的多样化和非标准化，以及所需答案精细化和专业化等特点，都为语义理解和知识图谱的构建带来了挑战。本次演讲中，我们首先介绍聊天机器人的相关知识；然后分享我们在汽车领域的应用实践，包括实体识别、意图识别、多轮对话管理和答案生成等相关技术，并介绍应用过程中遇到的挑战和解决方案；最后展示我们具体的应用案例。

演讲提纲：

1. 智能聊天机器人背景介绍

2. 汽车领域落地的主要框架

3. 语义理解

   实体识别

   意图识别

4. 多轮会话管理

5. 答案生成

   汽车领域知识图生成答案

   阅读理解生产答案

   检索式问答

6. 应用实例

7. 未来展望

听众收益点：

1. 了解如何在垂直领域中落地聊天机器人

2. 了解如何使用机器学习、深度学习和NLP相关技术实现语义理解和多轮会话管理

3. 了解如何利用知识图谱、阅读理解和检索式问答生成答案