图灵汇官网

第16届北美计算语言学协会会议（NAACL 2018）于2018年6月1日至6月6日在美国路易斯安那州新奥尔良市举办。作为自然语言处理领域的重要活动之一，此次会议共接收了207篇长论文（接收率为32%）和125篇短论文（接收率为29%）。美国是提交论文的主要来源国，中国紧随其后。值得一提的是，本次会议首次设立了Industry Track，旨在吸引工业界的科研成果。

在6月2日至6月4日的主会议期间，共有五位嘉宾进行了主题演讲，其中三位在Research Track环节，两位在Industry Track环节。

6月2日上午，宾夕法尼亚大学的Charles Yang教授发表了题为《为什么是72？》的演讲。他的研究主要探讨了儿童学习语言过程中的一些规律，并尝试将这些规律应用于机器学习。Yang教授指出，儿童可以通过少量数据学习语言，过多的数据不一定有助于学习效果。此外，研究语言习得过程可以帮助开发非监督式自然语言处理系统。

下午，来自华盛顿大学的Mari Ostendorf教授发表了演讲。她的演讲主要围绕华盛顿大学团队在2017年亚马逊Alexa Prize竞赛中获胜的Sounding Board系统展开。Ostendorf教授首先介绍了Sounding Board系统的设计理念，强调了以用户为中心、以内容为导向的原则。接着，她讨论了构建社交对话系统面临的挑战，如语音识别、用户多样性和内容过滤等。最后，她分享了学术界与工业界合作的经验，指出这种合作能够为在校学生和教师提供更多接触大规模用户的机会，并促进新技术的开发和应用。

6月3日上午，卡内基梅隆大学的Kevin Knight教授发表了演讲。Knight教授在机器翻译领域享有盛誉，他的演讲涵盖了自然语言解密和自然语言生成方面的最新研究成果。Knight教授分享了他们如何利用统计模型帮助历史学家翻译古代文献，并介绍了他们使用循环神经网络生成诗歌的研究成果。他还强调了在自然语言生成领域继续进行研究的重要性，即使目前尚未形成广泛接受的标准。

下午，亚马逊的Daniel Marcu带来了主题演讲。Marcu教授目前领导着亚马逊的机器学习和自然语言处理团队。他的演讲主要分享了如何将前沿研究成果转化为实际应用的经验，强调了数据分析和目标设定的重要性。他指出，一些研究过于关注在特定指标上的得分，而忽视了用户体验。

主会议第三日上午，谷歌AI的Dilek Hakkani-Tür教授发表了演讲。她回顾了端到端对话系统的研究进展，并讨论了任务导向型对话系统与闲聊型对话系统的融合趋势。Hakkani-Tür教授还强调了结合语音和自然语言处理研究的重要性，并介绍了谷歌近期关于训练对话系统的新框架。

主会议第三日下午，公布了今年的杰出论文名单。华盛顿大学参与完成了其中三篇。这些论文涵盖了深度上下文化词向量表示、基于上下文依赖句子映射到执行查询、故事中实体表示用于文本生成等多个领域。其中一篇杰出论文《深度上下文化词向量表示》由AI2和华盛顿大学的研究团队共同完成。该研究提出了ELMo模型，通过LSTM语言模型获得包含语境的词向量，从而显著提升了各种自然语言处理系统的性能。

此次会议还展示了学术界与工业界日益密切的合作关系。除了高校师生外，还有许多来自工业界的科研人员参与交流。此外，中国公司在国际会议上的曝光率也在不断提高，显示出中国在自然语言处理领域的快速发展。

总体来看，学术界和工业界在自然语言处理领域均处于积极发展的态势，这推动了更多高质量的研究成果涌现。