武汉信息港

当前位置:

ACL2018明日墨尔本召开总体论文接收

2019/04/11 来源:武汉信息港

导读

导语:组委会在 1018 篇提交的长论文中接收 256 篇,在 526 篇提交的短论文中接收 125 篇,总体录取率为 24.7%。雷锋

导语:组委会在 1018 篇提交的长论文中接收 256 篇,在 526 篇提交的短论文中接收 125 篇,总体录取率为 24.7%。

雷锋 AI 科技评论按,ACL2018 将于 7 月 15 日-7 月 20 日在墨尔本召开,这也是 ACL 第二次登陆澳洲。从 2006 年 ACL 首次在悉尼召开,距今已 12 年之久。

据组委会介绍,ACL 社群正在持续增长中,截止到投稿日期前,共收到 1621 篇论文,其中长论文 1045 篇,短论文 576 篇。除去不合格和被驳回的论文支撑杆图片
,共计有 1551 篇论文进入终审查(1021 篇长论文,530 篇短论文)名单东风雷诺配件

随着社群的增长,竞争也越来越激烈,终,组委会在 1018 篇提交的长论文中接收 256 篇,在 526 篇提交的短论文中接收 125 篇,总体录取率为 24.7%。

组委会同时透露接收论文的四大标准:

审稿人提出的论文优/缺点及这些意见的重要程度

讨论的结果和作者的回复


对计算机语言的贡献:无论论文是否推进(或有助于)我们对语言的理解

多样性:不希望 ACL 上充斥着各种相似的论文,比如在一个众所周知的任务上实现 1% 的进步

除了以上四点标准,组委会还考虑到在论文类型、主题和所作贡献之间做出平衡,并重新考虑了审稿人在初步审查中对论文所提出的问题。

除了论文,讲者的竞争也异常激烈,组委会共收到 138 位特邀讲者提名,终选出两位讲者在主会上带来特邀报告。

特邀报告

7 月 17 日上午北京松香公司
,Carolyn Penstein Rosé 将带来题为《Who is the Bridge Between the What and the How》的特邀报告,她是卡耐基梅隆大学计算机科学学院语言技术和人机交互系教授。她的研究项目专注于更好地理解对话的社交和实际属性,并利用这种理解建立计算系统,以期提高人与人、人与计算机之间的对话效率。为了实现这些目标,她的研究涉足计算语篇分析和文本挖掘、对话智能体以及支持协同学习的计算机。

报告摘要

这篇报告会谈到十多年来的研究,涉及到理论基础激发了在络上对真实世界产生影响的计算模型。早的语言哲学家和近期的社会媒体分析计算方法研究人员都承认语言间 what 和 how 的区别,what 指语言的命题内容,how 指语言的形式、风格或者框架。而这些领域之间的桥梁是社会过程,它激发了在社会互动中产生特定命题内容的语言选择,旨在实现社会目标。

这些洞见使研究人员能够理解讨论过程和讨论结果之间的联系。这些发现一方面激励了实时监控讨论过程的计算方法的设计,另一方面,激励了支持络中交互的干预措施的设计,目的是让学习、健康和福祉等各方面好于期望。

作为例子,在这次演讲中,我们将探讨被称为 Transactivity 的特殊讨论质量。Transactivity 指对说话者的推理、对话者的推理以及他们之间关系的表示程度。

在不同的背景下,在非常明确的理论框架下,这种结构与团结、影响、专业知识迁移和学习有关。在 Transactivity 架构下,认知和社会根基是紧密联系在一起的,对 who 建模就可以预测出 what 与 how 之间的联系。

7 月 18 日上午,Anton van den Hengel 将带来题为《Deep Neural Networks, and what they』re not very good at》的特邀报告,他是阿德莱德大学计算机科学学院教授,澳大利亚机器学习研究所所长,同时也是澳大利亚机器人视觉研究中心首席研究员。目前的研究兴趣包括深度学习、视觉和语言问题、基于图像的交互式建模、大规模视频监控、大型图像数据库学习。


报告摘要

深度神经络在机器学习的多个领域,包括计算机视觉和自然语言处理上都产生了不可思议的影响。然而,深度神经络使用的是非常高维的隐式表示,因此特别适合于能通过之前方案的联想回忆(associative recall)来解决的问题。机器学习不适合需要人工解释的表示、显式的符号操作或推理问题。深度神经络对大量训练数据的依赖也意味着它们通常只适用于问题以及测试数据可以提前预测的情况下。

将深度神经络应用于视觉问题所取得的一些成果仅仅在几年前都被认为是不可能实现的,同时,它还让人们注意到当前的深度络在解决显式推理( explicit reasoning)的问题、知识库应用或持续学习方面存在的缺陷。

在这次演讲中,我将阐述一些为解决上述问题所采取的手段,以及一种新的学会学习的方法,我们希望这种方法能将深度学习的能力与基于显式推理方法的显著优势结合起来。

会议官:

更多精彩内容,敬请期待雷锋 AI 科技评论的的专题报道。雷锋(公众号:雷锋)

标签