韓先培

(中國(guó)科學(xué)院軟件研究所基礎(chǔ)軟件國(guó)家工程研究中心,北京100190)

1 概況

計(jì)算語(yǔ)言學(xué)學(xué)會(huì)(The Association for Computational Linguistics,ACL)旗下的ACL年會(huì)是國(guó)際上最具影響的計(jì)算語(yǔ)言學(xué)及自然語(yǔ)言處理學(xué)術(shù)會(huì)議,而人類(lèi)語(yǔ)言技術(shù)會(huì)議(Human Language Technology,HLT)則是人類(lèi)語(yǔ)言處理的重要會(huì)議。2011年,第49屆ACL-HLT聯(lián)合會(huì)議于6月19～24日在美國(guó)波特蘭市(Portland)成功召開(kāi)。波特蘭是美國(guó)俄勒岡州最大的城市,同時(shí)也是默爾特諾馬郡的郡府,擁有“玫瑰之城”的美譽(yù)。除ACL-HLT主會(huì)議外,還有一個(gè)會(huì)議(CoNLL)、15個(gè)專(zhuān)題研討會(huì)(Workshop)和6個(gè)專(zhuān)題講座(Tutorial)同期舉行。本次會(huì)議共吸引了創(chuàng)會(huì)議記錄的來(lái)自世界各地的超過(guò)1100研究人員參加(總1068個(gè)人注冊(cè)了會(huì)議,另外有額外115人只注冊(cè)了Workshop和Tutorial)。

2 論文

每年的 ACL論文,尤其是主會(huì)議長(zhǎng)文(Full Paper),基本反映了自然語(yǔ)言處理領(lǐng)域的最新研究進(jìn)展、代表了本領(lǐng)域最高研究水平。今年的主會(huì)議論文投稿數(shù)達(dá)到了1146篇,其中長(zhǎng)文634篇、短文512篇。被錄用的長(zhǎng)文有164篇,錄用率25.7%;短文被錄用128篇,錄用率 24.5%。在錄用論文中,共有116篇長(zhǎng)文和56篇短文被選為口頭報(bào)告論文,其他論文則以張貼的形式進(jìn)行展示。

以下著重介紹最受關(guān)注的主會(huì)議長(zhǎng)文的情況。表1中給出了ACL 2011論文按領(lǐng)域投稿和錄用情況。從表1中可以看出,機(jī)器翻譯、句法和信息抽取是三個(gè)投稿最多的領(lǐng)域(也是錄用論文最多的三個(gè)領(lǐng)域),而語(yǔ)義、情感分析和機(jī)器學(xué)習(xí)也是當(dāng)前計(jì)算語(yǔ)言學(xué)的熱點(diǎn)?？紤]到機(jī)器翻譯論文被分為兩個(gè)領(lǐng)域,其總共的論文投稿數(shù)和錄用數(shù)都遠(yuǎn)遠(yuǎn)多于其他領(lǐng)域,這也說(shuō)明機(jī)器翻譯仍是當(dāng)前自然語(yǔ)言處理研究的重中之重。另一方面,與ACL 2010相比,本次會(huì)議增設(shè)了NLP for Web 2.0和Multilinguality領(lǐng)域,反映了自然語(yǔ)言處理對(duì)新興Web 2.0研究熱點(diǎn)的關(guān)注和對(duì)構(gòu)建資源貧瘠語(yǔ)言的N LP技術(shù)的關(guān)注。

表1 分領(lǐng)域長(zhǎng)文投稿與錄用情況

從地域分布來(lái)看,北美地區(qū)發(fā)表的論文仍然居于領(lǐng)先地位,亞太地區(qū)居第二位,其次為歐洲。從國(guó)家分布來(lái)看,美國(guó)占有絕對(duì)優(yōu)勢(shì),而中國(guó)大陸則以14篇在世界上居于第二,其他發(fā)表論文較多的國(guó)家有日本、新加坡、德國(guó)、加拿大等。中國(guó)大陸的研究機(jī)構(gòu)中,今年發(fā)表論文的研究機(jī)構(gòu)有北京大學(xué)、清華大學(xué)、中國(guó)科學(xué)院自動(dòng)化研究所、中國(guó)科學(xué)院軟件研究所、中國(guó)科學(xué)院計(jì)算技術(shù)研究所、蘇州大學(xué)、哈爾濱工業(yè)大學(xué)、復(fù)旦大學(xué)等單位。此外,商業(yè)機(jī)構(gòu)中的百度公司和微軟亞洲研究院也有論文發(fā)表。

在參會(huì)人員中,來(lái)自世界各地的華人也隨處可見(jiàn)。到會(huì)的中國(guó)大陸學(xué)者主要來(lái)自于北京大學(xué)、清華大學(xué)、復(fù)旦大學(xué)、蘇州大學(xué)、中國(guó)科學(xué)院自動(dòng)化研究所、中國(guó)科學(xué)院軟件研究所、中國(guó)科學(xué)院計(jì)算技術(shù)研究所、百度和微軟亞洲研究院等單位。同時(shí)除了上述中國(guó)大陸學(xué)者的情況外,來(lái)自中國(guó)香港和中國(guó)臺(tái)灣、新加坡、日本及歐美各國(guó)的華人學(xué)者也在A(yíng)CL 2011上展示了強(qiáng)大實(shí)力。

今年的兩個(gè)特邀大會(huì)報(bào)告分別關(guān)注了當(dāng)前NLP的熱點(diǎn)和未來(lái)發(fā)展方向,包括IBM公司的David Ferrucci對(duì)前段時(shí)間引起世界性關(guān)注的Watson問(wèn)答系統(tǒng)的介紹和斯坦福大學(xué)的Lera Boroditsky對(duì)語(yǔ)言如何影響人思維的報(bào)告。兩個(gè)報(bào)告都吸引了極大關(guān)注。在關(guān)于Watson問(wèn)答系統(tǒng)的主題演講中,David Ferrucci介紹了如何綜合自然語(yǔ)言處理、信息檢索、機(jī)器學(xué)習(xí)、知識(shí)表示和推理以及大規(guī)模并行計(jì)算的技術(shù)來(lái)構(gòu)建高性能的問(wèn)答系統(tǒng),展示了當(dāng)前研究在實(shí)際應(yīng)用中所能達(dá)到的高度。Lera Boroditsky展示了一系列有趣的心理學(xué)實(shí)驗(yàn)結(jié)果,揭示了語(yǔ)言在形成人類(lèi)思維過(guò)程中的強(qiáng)有力且通常讓人驚訝的作用。這些研究也讓我們意識(shí)到,自然語(yǔ)言處理可以從更多像心理學(xué)這樣的領(lǐng)域中吸取養(yǎng)分,從人類(lèi)本身的角度出發(fā)去理解語(yǔ)言。

總的來(lái)說(shuō),自然語(yǔ)言處理仍在平穩(wěn)發(fā)展中,但是新應(yīng)用、新環(huán)境和新學(xué)科交叉也不斷在刺激技術(shù)的發(fā)展和新研究方向的誕生,從而使NLP這個(gè)古老的研究領(lǐng)域歷久而不衰。

3 獎(jiǎng)項(xiàng)

每年ACL都會(huì)頒發(fā)兩個(gè)極受關(guān)注的獎(jiǎng)項(xiàng)：終身成就獎(jiǎng)(Lifetime Achievement Award)和最佳論文獎(jiǎng)(Best Paper Awards)。

自2002年開(kāi)始,ACL的終身成就獎(jiǎng)是對(duì)本領(lǐng)域具有卓越科學(xué)成就(同時(shí)在理論上和應(yīng)用上)的學(xué)者的終極承認(rèn)與褒獎(jiǎng),是本領(lǐng)域頒發(fā)的最高個(gè)人榮譽(yù)。今年,來(lái)自于布朗大學(xué)(Brown University)的Eugene Charniak因其在句法分析等領(lǐng)域的卓越貢獻(xiàn)而獲得終身成就獎(jiǎng),其獲獎(jiǎng)報(bào)告的題目是“ The Brain as a Statistical Information Processor” ,報(bào)告關(guān)注并展示了自然語(yǔ)言學(xué)與認(rèn)知心理學(xué)關(guān)聯(lián)的一個(gè)實(shí)例。

最佳論文則基本上代表著當(dāng)年本領(lǐng)域最好的研究成果,也一定程度上預(yù)示著未來(lái)的發(fā)展動(dòng)向。今年的最佳長(zhǎng)文(Best Long Paper)頒發(fā)給來(lái)自于Google公司的“Unsupervised Part-of-Speech Tagging with Bilingual Graph-Based Projections”,該論文主要關(guān)注如何利用機(jī)器翻譯的對(duì)齊技術(shù),提供資源豐富語(yǔ)言到資源貧瘠語(yǔ)言的映射,從而構(gòu)建資源貧瘠語(yǔ)言的高性能自然語(yǔ)言資源和技術(shù)。今年的最佳學(xué)生論文(Best Student Paper)則頒發(fā)給了來(lái)自于華盛頓大學(xué)的“Global Learning of Typed Entailment Rules”,該論文主要關(guān)注于推導(dǎo)規(guī)則的學(xué)習(xí),通過(guò)基于圖框架的方法并利用規(guī)則之間的約束,最大化推導(dǎo)規(guī)則的全局一致性。今年的最佳短文頒發(fā)給了來(lái)自于俄勒岡衛(wèi)生科學(xué)大學(xué)(Oregon Health&Science University)的“Lexicographic Semirings for Exact Automata Encoding of Sequence Models”。從今年最佳論文的內(nèi)容可以看出,考慮局部模型之間的約束(如雙語(yǔ)對(duì)齊語(yǔ)料中的詞性一致約束,全局蘊(yùn)涵規(guī)則之間的約束),利用更豐富的易獲取資源(如雙語(yǔ)對(duì)齊語(yǔ)料),從全局的角度進(jìn)行優(yōu)化可以有效的提升自然語(yǔ)言處理系統(tǒng)的性能。這些論文也同時(shí)說(shuō)明基于圖的方法可以有效表示和利用這些全局約束。

4 總結(jié)與其他

在A(yíng)CL的business meeting上,與會(huì)學(xué)者對(duì)ACL的現(xiàn)狀和發(fā)展進(jìn)行了深入探討。首先,針對(duì)今年隨ACL論文提供代碼和數(shù)據(jù)共享的優(yōu)缺點(diǎn)進(jìn)行了討論,與會(huì)學(xué)者認(rèn)為,提供論文代碼和數(shù)據(jù)的優(yōu)點(diǎn)在于其提高了數(shù)據(jù)集的共享程度,降低了其他人構(gòu)建數(shù)據(jù)集的難度,并提高了結(jié)果的可復(fù)制性;其缺點(diǎn)在于數(shù)據(jù)集和代碼通常難以匿名,且當(dāng)前的共享率仍然較低。同時(shí),與會(huì)學(xué)者還針對(duì)NLP領(lǐng)域的期刊論文不足問(wèn)題進(jìn)行了討論,探討是否可以開(kāi)辦一個(gè)新期刊,每月接受投稿,同時(shí)被收錄的雜志論文直接在下年度ACL會(huì)議上發(fā)表(目前增設(shè)期刊的提議已經(jīng)在A(yíng)CL執(zhí)委會(huì)中獲得通過(guò),并進(jìn)入實(shí)際操作階段)。與會(huì)學(xué)者認(rèn)為,開(kāi)辦新期刊的優(yōu)點(diǎn)在于其能改善NLP領(lǐng)域期刊太少的現(xiàn)狀,使得研究人員的投稿機(jī)會(huì)和投稿時(shí)間點(diǎn)都能顯著增加;其缺點(diǎn)在于難于統(tǒng)一會(huì)議論文和期刊論文的標(biāo)準(zhǔn),如論文質(zhì)量和文章長(zhǎng)度,同時(shí)也對(duì)由此可能帶來(lái)的審稿壓力增加有一定的擔(dān)憂(yōu)。

總的來(lái)說(shuō),ACL是自然語(yǔ)言處理一年一度的頂級(jí)會(huì)議,在會(huì)場(chǎng)親眼目睹了國(guó)際學(xué)者們的風(fēng)采,也領(lǐng)略了頂級(jí)自然語(yǔ)言處理的研究水平。同時(shí)也感受到了華人在自然語(yǔ)言處理、信息檢索、語(yǔ)言技術(shù)領(lǐng)域中地位的迅速提升。相信隨著時(shí)間的推移以及中國(guó)的不斷發(fā)展,人類(lèi)語(yǔ)言技術(shù)領(lǐng)域必將會(huì)有華人更大的舞臺(tái)。

感謝王海峰老師對(duì)此文初稿所提的修改意見(jiàn)和建議。