论文以开放域文本的结构化知识获取为研究背景，针对开放域文本标注数据少、长尾数据多、新知识不断涌现、数据多源异构的特点，进行了面向远程监督的降噪学习、面向长尾知识的小样本学习、面向新增关系的持续学习、面向多源异构数据的联合学习四个方面的研究，并基于上述研究成果构建了高效的结构化知识应用系统。

韩旭，2017年入学，博士生导师为刘知远副教授，博士后导师为孙茂松教授，研究方向为自然语言处理、知识图谱、预训练语言模型。博士论文题目为《开放域文本的结构化知识获取》。曾获博士生国家奖学金、清华大学蒋南翔奖学金、清华大学优秀共产党员、清华大学计算机系钟士模奖学金、微软学者奖学金等荣誉。毕业后继续在组内开展博士后研究，入选2022年度博士后创新人才支持计划。