ACL2018 明日墨爾本召開：總體論文接收率 24.7%，兩大特邀講者名單公布

雷鋒網(wǎng) AI 科技評(píng)論按，ACL2018 將于 7 月 15 日-7 月 20 日在墨爾本召開，這也是 ACL 第二次登陸澳洲。從 2006 年 ACL 首次在悉尼召開，距今已 12 年之久。

據(jù)組委會(huì)介紹，ACL 社群正在持續(xù)增長(zhǎng)中，截止到投稿日期前，共收到 1621 篇論文，其中長(zhǎng)論文 1045 篇，短論文 576 篇。除去不合格和被駁回的論文，共計(jì)有 1551 篇論文進(jìn)入最終審查（1021 篇長(zhǎng)論文，530 篇短論文）名單。

隨著社群的增長(zhǎng)，競(jìng)爭(zhēng)也越來(lái)越激烈，最終，組委會(huì)在 1018 篇提交的長(zhǎng)論文中接收 256 篇，在 526 篇提交的短論文中接收 125 篇，總體錄取率為 24.7%。

組委會(huì)同時(shí)透露接收論文的四大標(biāo)準(zhǔn)： 

• 審稿人提出的論文優(yōu)/缺點(diǎn)及這些意見的重要程度

• 討論的結(jié)果和作者的回復(fù)

• ?對(duì)計(jì)算機(jī)語(yǔ)言的貢獻(xiàn)：無(wú)論論文是否推進(jìn)（或有助于）我們對(duì)語(yǔ)言的理解

• 多樣性：不希望 ACL 上充斥著各種相似的論文，比如在一個(gè)眾所周知的任務(wù)上實(shí)現(xiàn) 1% 的進(jìn)步

除了以上四點(diǎn)標(biāo)準(zhǔn)，組委會(huì)還考慮到在論文類型、主題和所作貢獻(xiàn)之間做出平衡，并重新考慮了審稿人在初步審查中對(duì)論文所提出的問題。

除了論文，講者的競(jìng)爭(zhēng)也異常激烈，組委會(huì)共收到 138 位特邀講者提名，最終選出兩位講者在主會(huì)上帶來(lái)特邀報(bào)告。

特邀報(bào)告

7 月 17 日上午，Carolyn Penstein Rosé 將帶來(lái)題為《Who is the Bridge Between the What and the How》的特邀報(bào)告，她是卡耐基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院語(yǔ)言技術(shù)和人機(jī)交互系教授。她的研究項(xiàng)目專注于更好地理解對(duì)話的社交和實(shí)際屬性，并利用這種理解建立計(jì)算系統(tǒng)，以期提高人與人、人與計(jì)算機(jī)之間的對(duì)話效率。為了實(shí)現(xiàn)這些目標(biāo)，她的研究涉足計(jì)算語(yǔ)篇分析和文本挖掘、對(duì)話智能體以及支持協(xié)同學(xué)習(xí)的計(jì)算機(jī)。

報(bào)告摘要

這篇報(bào)告會(huì)談到十多年來(lái)的研究，涉及到理論基礎(chǔ)激發(fā)了在網(wǎng)絡(luò)上對(duì)真實(shí)世界產(chǎn)生影響的計(jì)算模型。最早的語(yǔ)言哲學(xué)家和近期的社會(huì)媒體分析計(jì)算方法研究人員都承認(rèn)語(yǔ)言間 what 和 how 的區(qū)別，what 指語(yǔ)言的命題內(nèi)容，how 指語(yǔ)言的形式、風(fēng)格或者框架。而這些領(lǐng)域之間的橋梁是社會(huì)過程，它激發(fā)了在社會(huì)互動(dòng)中產(chǎn)生特定命題內(nèi)容的語(yǔ)言選擇，旨在實(shí)現(xiàn)社會(huì)目標(biāo)。

這些洞見使研究人員能夠理解討論過程和討論結(jié)果之間的聯(lián)系。這些發(fā)現(xiàn)一方面激勵(lì)了實(shí)時(shí)監(jiān)控討論過程的計(jì)算方法的設(shè)計(jì)，另一方面，激勵(lì)了支持網(wǎng)絡(luò)中交互的干預(yù)措施的設(shè)計(jì)，目的是讓學(xué)習(xí)、健康和福祉等各方面好于期望。

作為例子，在這次演講中，我們將探討被稱為 Transactivity 的特殊討論質(zhì)量。Transactivity 指對(duì)說(shuō)話者的推理、對(duì)話者的推理以及他們之間關(guān)系的表示程度。

在不同的背景下，在非常明確的理論框架下，這種結(jié)構(gòu)與團(tuán)結(jié)、影響、專業(yè)知識(shí)遷移和學(xué)習(xí)有關(guān)。在 Transactivity 架構(gòu)下，認(rèn)知和社會(huì)根基是緊密聯(lián)系在一起的，對(duì) who 建模就可以預(yù)測(cè)出 what 與 how 之間的聯(lián)系。

7 月 18 日上午，Anton van den Hengel 將帶來(lái)題為《Deep Neural Networks, and what they』re not very good at》的特邀報(bào)告，他是阿德萊德大學(xué)計(jì)算機(jī)科學(xué)學(xué)院教授，澳大利亞機(jī)器學(xué)習(xí)研究所所長(zhǎng)，同時(shí)也是澳大利亞機(jī)器人視覺研究中心首席研究員。目前的研究興趣包括深度學(xué)習(xí)、視覺和語(yǔ)言問題、基于圖像的交互式建模、大規(guī)模視頻監(jiān)控、大型圖像數(shù)據(jù)庫(kù)學(xué)習(xí)。

?報(bào)告摘要

深度神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)的多個(gè)領(lǐng)域，包括計(jì)算機(jī)視覺和自然語(yǔ)言處理上都產(chǎn)生了不可思議的影響。然而，深度神經(jīng)網(wǎng)絡(luò)使用的是非常高維的隱式表示，因此特別適合于能通過之前方案的聯(lián)想回憶（associative recall）來(lái)解決的問題。機(jī)器學(xué)習(xí)不適合需要人工解釋的表示、顯式的符號(hào)操作或推理問題。深度神經(jīng)網(wǎng)絡(luò)對(duì)大量訓(xùn)練數(shù)據(jù)的依賴也意味著它們通常只適用于問題以及測(cè)試數(shù)據(jù)可以提前預(yù)測(cè)的情況下。

將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于視覺問題所取得的一些成果僅僅在幾年前都被認(rèn)為是不可能實(shí)現(xiàn)的，同時(shí)，它還讓人們注意到當(dāng)前的深度網(wǎng)絡(luò)在解決顯式推理（ explicit reasoning）的問題、知識(shí)庫(kù)應(yīng)用或持續(xù)學(xué)習(xí)方面存在的缺陷。

在這次演講中，我將闡述一些為解決上述問題所采取的手段，以及一種新的學(xué)會(huì)學(xué)習(xí)的方法，我們希望這種方法能將深度學(xué)習(xí)的能力與基于顯式推理方法的顯著優(yōu)勢(shì)結(jié)合起來(lái)。

會(huì)議官網(wǎng)：https://acl2018.org

更多精彩內(nèi)容，敬請(qǐng)期待雷鋒網(wǎng) AI 科技評(píng)論的的專題報(bào)道。雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。