ACL 正會(huì)在即，哪兩位重量級(jí)嘉賓將出席做主題演講？| ACL 2017

雷鋒網(wǎng)AI科技評(píng)論按：計(jì)算機(jī)語言學(xué)和自然語言處理最頂尖的會(huì)議之一ACL 將于2017年7月30日至8月4日在加拿大溫哥華舉行。雷鋒網(wǎng)AI科技評(píng)論將赴前線帶來一手報(bào)道，并對(duì)論文及大會(huì)概況進(jìn)行梳理。

今年的ACL邀請(qǐng)到了兩位重量級(jí)嘉賓進(jìn)行invited talk，下面是雷鋒網(wǎng)對(duì)演講簡介的編譯，Noah Smith將會(huì)討論目前表征學(xué)習(xí)所面對(duì)的挑戰(zhàn)，Mirelaa Lapate將會(huì)介紹多模式翻譯。

詳解計(jì)算語言學(xué)（Squashing Computational Linguistics)

Noah Smith（華盛頓大學(xué)）

以下是官網(wǎng)提供的演講內(nèi)容簡介：

表征學(xué)習(xí)是計(jì)算語言學(xué)和自然語言處理領(lǐng)域目前最炙手可熱的方法。與出席這次會(huì)議的其他人一樣，我將介紹在自然語言模型中使用表征學(xué)習(xí)的新方法。由于一個(gè)數(shù)據(jù)驅(qū)動(dòng)的模型通常需要一個(gè)假定的理論（并不一定是最好的理論），我會(huì)論證語言的representation-learning-infused模型的language-appropriate inductive bias的優(yōu)點(diǎn)。這種偏差通常以假設(shè)的形式被引入到模型中、對(duì)推理算法的限制條件中、或者數(shù)據(jù)的語言分析中。事實(shí)上，語言學(xué)研究的這幾十年（包含計(jì)算語言學(xué)），使得我們這個(gè)領(lǐng)域處于辨別可行的inductive bias的優(yōu)勢位置。新的模型又可以讓我們?nèi)ヌ剿飨惹安豢色@得的偏差形式，并產(chǎn)生新的語言學(xué)發(fā)現(xiàn)。我將著重于新的文檔和句子語義結(jié)構(gòu)，并強(qiáng)調(diào)抽象的，可復(fù)用的組成部分和它們的假設(shè)，而并不將重點(diǎn)放在應(yīng)用上。 

演講者簡介：Noah Smith是華盛頓大學(xué)計(jì)算機(jī)科學(xué)與工程系的Paul G. Allen學(xué)院的副教授。此前，他曾在卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院任副教授。Noah Smith在約翰霍普金斯大學(xué)計(jì)算機(jī)科學(xué)系獲得博士學(xué)位，在馬里蘭大學(xué)獲得計(jì)算機(jī)科學(xué)學(xué)士學(xué)位以及語言學(xué)學(xué)士學(xué)位。他的研究橫跨包括自然語言處理，機(jī)器學(xué)習(xí)和計(jì)算機(jī)社會(huì)科學(xué)在內(nèi)的許多話題。他曾任CL，JAIR和TACL編輯，以及SIGDAT的財(cái)務(wù)主管，并作為2016年ACL會(huì)議的程序聯(lián)合主席。他的研究小組：諾亞方舟，是自然語言處理學(xué)術(shù)上和工業(yè)界中的世界級(jí)領(lǐng)導(dǎo)者。Smith的工作得到了UW Innovation Award， Finmeccanica career development chair at CMU，NSF CAREER Award，Hertz Foundation graduate fellowship的認(rèn)可，并獲得了無數(shù)的最佳論文獎(jiǎng)，曾被NPR、BBC、CBC、紐約時(shí)報(bào)、華盛頓郵報(bào)和Time雜志報(bào)導(dǎo)。

多模式與文本的相互翻譯（Translating from Multiple Modalities to Text and Back) 

Mirella Lapata（愛丁堡大學(xué)）

近年來，研究者們開發(fā)了很多計(jì)算工具來處理和生成自然語言文本。其中許多工具對(duì)于主流計(jì)算機(jī)用戶來說已經(jīng)很熟悉了，它們多被應(yīng)用在網(wǎng)絡(luò)搜索，問答，情緒分析，特別是機(jī)器翻譯中。機(jī)器翻譯的應(yīng)用不僅可以在不同語言之間（例如英語到法語），還可以應(yīng)用在相同國語言之間，在不同的模式之間或不同的數(shù)據(jù)格式之間進(jìn)行翻譯（比如視頻或圖像翻譯為文本），這可以進(jìn)一步增強(qiáng)網(wǎng)絡(luò)的可訪問性。這是由于網(wǎng)絡(luò)中大多數(shù)據(jù)都是非語言數(shù)據(jù)（例如視頻，圖像，源代碼），而大多數(shù)檢索工具只能對(duì)文本數(shù)據(jù)進(jìn)行操作，因此大多數(shù)數(shù)據(jù)都不能夠被索引或搜索。

在這個(gè)演講中，Lapata 教授會(huì)論證為了使個(gè)人和計(jì)算機(jī)的電子數(shù)據(jù)更易于訪問，需要開發(fā)新的翻譯模型。我將重點(diǎn)介紹三個(gè)示例：文本簡化，源代碼生成和電影摘要。其次，他將描述關(guān)于深度學(xué)習(xí)拓展的最新進(jìn)展，以引出不同模式的一般性表示，并學(xué)習(xí)如何在這些模式和自然語言中進(jìn)行翻譯。

演講者簡介：Mirella Lapate是愛丁堡大學(xué)信息學(xué)院的自然語言處理教授。她的研究重點(diǎn)是讓電腦學(xué)會(huì)理解，推理，以及生成。她是Journal of Artificial Intelligence Research的副主編，曾在ACL和Computational Linguistic委員會(huì)任職。她是英國計(jì)算機(jī)學(xué)會(huì)Karen Sparck Jones獎(jiǎng)的第一個(gè)獲獎(jiǎng)?wù)摺Ｋ@得過兩次EMNLP最佳論文獎(jiǎng)，目前持有歐洲研究理事會(huì)著名的Consolidator Grant。

原文鏈接：ACL 2017 Invited Talks