ACL 2017 五篇最佳论文公布,国内无获奖论文

今日,ACL 2017 首先公布了终身成就奖,该奖项得主是哈佛大学 Barbara Grosz 教授。而后公布了本届 ACL 的 5 篇最佳论文奖项。


终身成就奖: Barbara Grosz

Barbara Grosz:「smart enough to talk with us ?」


哈佛大学 Grosz 教授对自然语言处理和多智能体系统做出了杰出贡献。她开发了最早的计算机对话系统并建立了语篇计算建模这一研究领域。同时她还帮助建立了协作式模型的研究领域,并且为多个协作式多智能体系统和人机接口系统提供了研究框架。她目前的研究关注于开发新的协作式多智能体系统和协作式接口。


Grosz 教授是美国国家工程院成员(2008),她同时还是 AAAI fellow(1990)、AAAS fellow(1990)、ACM fellow(2004)。她于 2009 年获得 ACM / AAAI Allen Newell 奖:「感谢 Grosz 对自然语言处理和多智能体系统研究的基础性贡献、在人工智能领域的领导作用,以及她在建立和领导跨学科机构方面的巨大贡献。」2015 年,Grosz 教授因为协作式多智能体的应用和自然语言处理的开创性研究而获得了 IJCAL 杰出研究奖(Research Excellence)。


5 大最佳论文奖



除了终身成就奖,ACL 2017 还现场公布了 5 大最佳论文奖,分别为:


最佳长论文:Probabilistic Typology:Deep Generative Models of Vowel Inventories

作者:Ryan Cotterell 和 Jason Eisner

机构:约翰霍普金斯大学


最佳短论文:The Role of Prosody and Speech Register in Word Segmentation: A Computational Modelling Perspective

作者:Bogdan Ludusan、Reiko Mazuka、Mathieu Bernard、Alejandrina Cristia 和 Emmanuel Dupoux

机构:法国 EHESS/ENS/PSL/CNRS 、日本 RIKEN 大脑科学研究所


最佳资源论文:A Corpus of Natural Language for Visual Reasoning

作者:Alane Suhr、Mike Lewis、James Yeh 和 Yoav Artzi

机构:康奈尔大学、Facebook


最佳演示论文:Hafez: an interactive poetry generation system

作者:Marjan Ghazvininejad、Xing Shi、Jay Priyadarshi 和 Kevin Knight

机构:南加州大学


最佳演示论文第二名:OpenNMT : Open-Source Toolkit for Neural Machine Translation

作者:Guillaume Klein、Yoon Kim、Yuntian Deng、Jean Senellart 和 Alexander Rush

机构:哈佛大学


机器之心对这些获奖论文进行了简要介绍:


最佳长论文:Probabilistic Typology: Deep Generative Models of Vowel Inventories



论文地址:https://arxiv.org/pdf/1705.01684.pdf


语言类型学(Linguistic typology)是研究人类语言中结构的范围。该领域的主要目标是发现哪类可能现象是普遍的、哪类是一般常见的。例如所有的语言都有元音,但大部分而非全部语言都有 [u] 音。在此论文中,我们提出了首个针对音韵类型学中基础问题的概率性方法:什么造就了一个自然的元音清单?我们介绍了一系列深度随机点过程,并将他们与之前的计算性的、基于模拟的方法相对比。最后,我们给出了在超过 200 种不同语言上的综合试验。


最佳短论文:The Role of Prosody and Speech Register in Word Segmentation: A Computational Modelling Perspective



论文地址:http://aclweb.org/anthology/P17-2028


本研究探讨了在分词任务中语音语域(speech register)和韵律学的作用。因为这两个因素一般被认为在早期语言习得方面起到了重要的作用,我们旨在量化这两个因素对分词任务的贡献。我们研究了一个日本语料库,其包含了婴幼儿指向(infant-directed)的和成年人指向的语音,并且我们应用了四个不同的分词模型,它们分别带有或不带有韵律学边界(prosodic boundaries)的知识。实验结果表明,语域之间的区别要小于以前的报告,并且韵律学边界信息帮助成年人指向的语音要比婴幼儿指向的语音更多一些。


最佳资源论文:A Corpus of Natural Language for Visual Reasoning



论文地址:http://yoavartzi.com/pub/slya-acl.2017.pdf


我们提出了一种新的视觉推理语言数据集,包含对合成图像进行自然描述(3962 条语句)的 92244 对样本。我们还介绍了一种众包(crowdsourcing)语言学多样性数据的方法,并演示了对我们数据的分析。我们的数据证明,大多语言学现象都需要视觉和集合论(set-theoretic)推理。我们对多种模型进行了试验,表明该数据集在未来的研究当中将是极具竞争力的。


最佳演示论文:Hafez: an Interactive Poetry Generation System 



论文地址:http://xingshi.me/data/pdf/ACL2017demo.pdf


Hafez 是一个自动的诗歌生成系统,它将循环神经网络(RNN)与一个有限态接收器(Finite State Acceptor—FSA)进行整合。它可以在给定任意话题的情况下生成十四行诗(sonnets)。此外,Hafez 能让用户通过调整各种不同风格的配置,对已生成的诗歌进行修改和润色。实验表明这种「润色」(「polish」)机制考虑到了用户的意向,并且做出了更好的诗歌。为了进一步评估,我们创建了一个网页界面,用户可以对每首诗进行从一星到五星的评级。我们也通过将系数因子增加 10 倍对整个系统进行了加速,再加上词汇精简和 GPU 计算,就可以快速地对足量的反馈进行收集了。基于此种反馈,系统可以学着去调整它的参数以改善诗歌的质量。


最佳演示论文第二名:OpenNMT : Open-Source Toolkit for Neural Machine Translation



论文地址:https://arxiv.org/pdf/1701.02810.pdf


我们介绍了一种用于神经机器翻译的开源工具包。该工具包以效率、模块化、可延展性作为优先考虑因素,从而在模型架构、特征表征、开源形态中支持 NMT 研究,同时保证了有竞争优势的性能表现以及合理的训练需求。该工具包包含建模与翻译的相关支持,同时也包含底层技术的教学文档。


文章来源:机器之心

《MATLAB计算机视觉与深度学习实战》详细讲解了多个 MATLAB 计算机视觉与深度学习案例,提供源码及在线支持。几乎涵盖了数字图像处理中几乎所有的基本模块,并延伸到了深度学习的理论及其应用方面。点击下方二维码报名课程