成果简介：自然语言表示学习是自然语言处理的基础和核心技术，获奖项目主要研究如何在计算机中构建通用自然语言语义表示模型和算法并提升下游任务的性能。在表示模型方面，针对自然语言在语法和语义上的层次性、递归性以及多义性的特点，提出多种语义表示学习方法；在学习机制方面，针对自然语言处理任务中任务数据严重不组的问题提出多种面向语言学习的多任务学习机制；在关键技术方面，基于语言表示学习的研究成果，在多个自然语言处理测评中取得领先地位。在开源应用方面，探索并开发了多种开源系统，如MOSS、FudanNLP、FastNLP、FastHan、TextFlint等，大大降低了自然语言处理的应用门槛。