Alane Suhr 的论文《Reasoning and Learning in Interactive Natural Language Systems》制定和设计了协作交互中用于持续语言学习的算法,并设计了用于上下文相关语义推理的方法。Suhr 的这篇论文为自然语言处理(NLP)领域做出了变革性的贡献。
Suhr 目前是加州大学伯克利分校的助理教授。Suhr 的研究重点是自然语言处理、机器学习和计算机视觉,她在俄亥俄州立大学获得了计算机科学与工程学士学位,并在康奈尔大学获得了计算机科学博士学位。
Conrad Watt
Watt 目前是剑桥大学的博士后研究员,其研究重心在于机械化形式验证、并发机制和 WebAssembly 语言。他先后在帝国理工学院和剑桥大学获得计算机科学硕士和博士学位。
Watt 的博士论文题目为《Mechanising and evolving the formal semantics of WebAssembly: the Web’s new low-level language》,创建了 WebAssembly 的机械化语义并定义其并发模型。该模型将成为当前和未来网络工程的基础。
Watt 的博士论文被认为是「开发和使用完全严格的机械化语义来直接影响和改进工业计算基础设施主要组件设计的典范。」
论文地址:https://www.repository.cam.ac.uk/items/96441ace-e88d-4709-8490-296ce668b228
ACM 官网链接:https://awards.acm.org/doctoral-dissertation