0
| 本文作者： 我在思考中 | 2021-11-24 18:31 |
近日EMNLP 2021在多米尼加共和國閉幕，今年EMNLP收到有效投稿3717篇，中國大陸投稿1137篇，接收207篇，接受率為18%。作為NLP四大頂會(huì)之一，EMNLP備受國內(nèi)學(xué)者青睞，投稿量連續(xù)多年超過美國位居榜首。
EMNLP 由國際自然語言學(xué)會(huì)（ACL）下屬的 SIGDAT 數(shù)據(jù)小組創(chuàng)辦，在全球NLP頂會(huì)排行榜上位居第二，會(huì)議質(zhì)量僅次于ACL。比較而言，ACL會(huì)議歷史悠久，兼顧語言探索與經(jīng)驗(yàn)方法，是綜合質(zhì)量最高的會(huì)議；EMNLP更聚焦NLP算法在各個(gè)領(lǐng)域解決方案的學(xué)術(shù)探討，定位更加強(qiáng)調(diào)工程化，二者可謂互補(bǔ)。
隨著AI頂會(huì)投稿量的持續(xù)增長，EMNLP的審稿質(zhì)量和公平性問題成為學(xué)者們關(guān)心的話題。近日，AI科技評(píng)論對(duì)話EMNLP 2021程序主席黃萱菁教授，圍繞EMNLP投稿趨勢，審稿流程與標(biāo)準(zhǔn)、學(xué)生應(yīng)該如何投稿”等話題與之進(jìn)行了交流。
AI科技評(píng)論：EMNLP 2021的審稿流程是怎樣的，您作為程序主席主要負(fù)責(zé)哪些工作？
實(shí)際上EMNLP 2020 結(jié)束后，2021年的籌備工作就已經(jīng)開始了。整整一年下來工作量還是非常大的，尤其是Deadline和錄用前后，是最忙的兩個(gè)時(shí)間段。今年我們有三位共同程序主席，除了我之外，還有倫敦帝國理工學(xué)院的Lucia Specia教授，F(xiàn)acebook高級(jí)研究員Scott Yih。在前期準(zhǔn)備工作上，第一項(xiàng)任務(wù)就是發(fā)布征稿通知，包括確定投稿領(lǐng)域、時(shí)間節(jié)點(diǎn)等具體事項(xiàng)。
在投稿領(lǐng)域上，我們的基本原則是領(lǐng)域范圍要適中，具有多樣性和新穎性。比如機(jī)器學(xué)習(xí)、自然語言處理應(yīng)用近兩年非常熱門，投稿量很大，有些會(huì)議會(huì)拆分成預(yù)訓(xùn)練和分類兩塊小領(lǐng)域。另外，我們也會(huì)拓展一些小眾的前沿領(lǐng)域，比如自然語言處理的倫理和效率，這些領(lǐng)域是需要鼓勵(lì)的，我們希望引導(dǎo)學(xué)者做綠色NLP，做環(huán)境友好的NLP。
征稿通知發(fā)布后，開始邀請(qǐng)高級(jí)領(lǐng)域主席，確定EMNLP委員會(huì)結(jié)構(gòu)。一般小領(lǐng)域會(huì)安排1位領(lǐng)域主席，大領(lǐng)域安排3-4位。先是從世界范圍內(nèi)評(píng)選出一批知名的NLP學(xué)者，然后綜合性別平衡、區(qū)域平衡、學(xué)術(shù)與產(chǎn)業(yè)平衡等指標(biāo)進(jìn)行二次篩選，確保SAC人選的多樣性。在區(qū)域平衡這里，我們覆蓋了三大洲，包括美洲（北美、南美）、亞太（中國、澳大利亞、新西蘭等地區(qū)）、歐洲和非洲。然后重新修訂審稿規(guī)范和指南，這是初期準(zhǔn)備階段最重要的一項(xiàng)工作。
征稿流程啟動(dòng)后，從作者投稿、審稿人評(píng)審、author response、最終決策等整個(gè)流程我們都會(huì)介入。按照領(lǐng)域劃分，我們?nèi)怀绦蛑飨?，大概每人分?000份論文左右（共提交3000+篇）。進(jìn)入錄用階段后，AC和SAC會(huì)向我們提交綜合評(píng)價(jià)和推薦意見。在這些評(píng)審結(jié)果中，我們會(huì)重點(diǎn)關(guān)注那些AC和SAC認(rèn)為“可上可下”的論文，也就說，一篇論文是被頂會(huì)收錄，還是進(jìn)入Findings；是入選Findings，還是被拒，這個(gè)主要由我們來決定的。因?yàn)楦呒?jí)領(lǐng)域主席只關(guān)注特定領(lǐng)域，我們能從更全局視角，平衡所有論文的情況。
AI科技評(píng)論：EMNLP如何評(píng)選審稿人和保證審稿質(zhì)量？您如何看待投稿量與審稿人不平衡的問題？
EMNLP 2021有將近4000名審稿人。我們先是參考ACL等其它頂會(huì)創(chuàng)建了一個(gè)9000人的審稿人池子，大概有4000多人接受了審稿邀請(qǐng)，然后高級(jí)領(lǐng)域主席根據(jù)其他客觀指標(biāo)做了一些增刪處理，確定了最終的審稿人名單。
我們邀請(qǐng)的審稿人除了NLP領(lǐng)域知名的教授、學(xué)者，還有一些在讀博士生和碩士生，當(dāng)然他們都需要在頂會(huì)上至少發(fā)表3-4篇文章。今年整體評(píng)審下來，我們發(fā)現(xiàn)很多初次評(píng)審的博士生很活躍，審稿質(zhì)量不比其他人差。
其實(shí)不僅是EMNLP，很多頂會(huì)都面臨審稿人緊缺的問題。投稿量每年都在增加，如果不增加審稿人，現(xiàn)有審稿人的工作量和壓力就會(huì)非常大，也會(huì)影響審稿的質(zhì)量。所以在保證專業(yè)能力的基礎(chǔ)上，擴(kuò)大審稿人的評(píng)選范圍是一個(gè)不錯(cuò)的選擇。
今年EMNLP收到3000多篇有效論文，每篇論文會(huì)分配3-4名審稿人。我們會(huì)根據(jù)審稿人所在的高校、職位、論文發(fā)表數(shù)量等指標(biāo)判定其資深程度，然后合理分配審稿人，基本可以保證每篇論文都有資深學(xué)者參與。
對(duì)于評(píng)審質(zhì)量，領(lǐng)域主席會(huì)進(jìn)行人工評(píng)估，推薦一批優(yōu)秀的審稿人。我們也會(huì)采用自動(dòng)化程序評(píng)判審稿質(zhì)量，比如哪篇審稿意見過于簡短，綜合評(píng)價(jià)是否全面等等。另外，審稿人和領(lǐng)域主席也會(huì)評(píng)估論文是不是有潛在的倫理風(fēng)險(xiǎn)。有潛在風(fēng)險(xiǎn)并且作者在論文中沒有給出倫理和影響力聲明的論文會(huì)提交給專門的倫理委員會(huì)評(píng)審，今年接受倫理評(píng)審的論文大概有200多篇。
AI科技評(píng)論：EMNLP如何匹配審稿人與論文？對(duì)于社交媒體上存在的“審稿人不專業(yè)”的質(zhì)疑，您怎么看？
過去很多會(huì)議的論文分配方式都是審稿人自己去競標(biāo)，這里面存在的一個(gè)問題就是，審稿人可能會(huì)出于興趣選擇論文，而不是自己的研究方向，這在一定程度上會(huì)影響評(píng)審質(zhì)量。所以近幾年我們?nèi)∠苏撐耐稑?biāo)的方式，利用NLP技術(shù)去自動(dòng)化匹配審稿人和論文。
凡是被邀請(qǐng)的審稿人已經(jīng)發(fā)表了不少頂會(huì)文章，我們采用的NLP算法會(huì)搜集和分析這些文章的標(biāo)題和摘要，并訓(xùn)練出一個(gè)語義表示模型，這樣我們就可以了解審稿人擅長的研究方向。用這些特長再去和投稿論文的摘要做匹配，可以最大限度地避免“不匹配”的問題，提高審稿的公平性。
自動(dòng)分配只是一個(gè)基礎(chǔ)，領(lǐng)域主席和高級(jí)領(lǐng)域主席還會(huì)做進(jìn)一步的調(diào)整，剛剛我們提到，一篇論文的審稿人不能全是資歷淺的年輕人，為了兼顧比例平衡，他們會(huì)推薦一些資深學(xué)者，因?yàn)椴煌?jīng)驗(yàn)的審稿人看文章的角度是不一樣的。這項(xiàng)工作之所以由領(lǐng)域主席來負(fù)責(zé)，是因?yàn)樗麄兣c審稿人是小同行，更能做出精準(zhǔn)的調(diào)整。
另外，論文作者、審稿人以及領(lǐng)域主席對(duì)于高級(jí)領(lǐng)域主席來說都是公開的，所以他們也會(huì)檢查這些人是否來自同一個(gè)大學(xué)或者存在合作關(guān)系，避免利益沖突的問題?？傊?/span>系統(tǒng)自動(dòng)分配結(jié)合領(lǐng)域主席調(diào)整的方式分配論文，基本能夠解決審稿人推薦不對(duì)口，不公平的問題。
AI科技評(píng)論：EMNLP是否存在“SOTA決定論”的現(xiàn)象，就是說只要論文沒有超過現(xiàn)有研究的SOTA就會(huì)被拒掉，或者打低分。您如何看待這種性能指標(biāo)對(duì)論文質(zhì)量的影響？
我們之前在審稿規(guī)范上就有提出不能搞SOTA論，不能因?yàn)檫@項(xiàng)研究沒有超過現(xiàn)有研究的性能就打低分。在這方面，我們首先定義投稿之前三個(gè)月內(nèi)的文章屬于同期工作，作者可能會(huì)不了解。另一方面，如果工作只收錄在arxiv上，也不一定需要進(jìn)行比較，因?yàn)樗粚儆谕性u(píng)議的正式出版物。另外，對(duì)于那些結(jié)果不錯(cuò)，數(shù)據(jù)可靠，但方法又不是特別新穎的論文，我們從去年起設(shè)置了Findings類別。所以我們在這方面做了很多的工作，SOTA并不是一個(gè)特別強(qiáng)調(diào)的指標(biāo)。
但存在的一個(gè)問題是，我們設(shè)計(jì)的審稿規(guī)范，不能保證審稿人能夠嚴(yán)格按照規(guī)范去操作，這方面還需要去持續(xù)優(yōu)化。
AI科技評(píng)論：今年字節(jié)跳動(dòng)的一篇ICLR拒稿投了ACL，成了最佳論文，您如何看待這種“轉(zhuǎn)投中稿”的現(xiàn)象？NLP領(lǐng)域四大頂級(jí)會(huì)議，學(xué)生應(yīng)該如何選投，能否給出一些建議？
很多人知道NLP領(lǐng)域有四大頂會(huì)ACL、EMNLP、NAACL和COLING。ACL是公認(rèn)綜合質(zhì)量最高的國際計(jì)算機(jī)語言學(xué)會(huì)，語言探索與經(jīng)驗(yàn)方法兼容并收。COLING與ACL類似，是歷史悠久的NLP學(xué)術(shù)會(huì)議，但不屬于ACL協(xié)會(huì)旗下。NAACL偏重?cái)?shù)據(jù)驅(qū)動(dòng)方法，與EMNLP風(fēng)格接近，更符合美國學(xué)者的口味。
早期整個(gè)人工智能，包括自然語言處理都不是很火熱，ACL每年只有幾百篇的投稿量。后來，基于規(guī)則的機(jī)器學(xué)習(xí)方法開始出現(xiàn)，自然語言處理領(lǐng)域才開始活躍起來。SIGDAT是ACL協(xié)會(huì)下設(shè)的一個(gè)語言學(xué)數(shù)據(jù)工作組，他們建議創(chuàng)建一個(gè)自然語言處理經(jīng)驗(yàn)方法會(huì)議，也就是EMNLP。
EMNLP對(duì)經(jīng)驗(yàn)方法的定義，包括模型設(shè)計(jì)和實(shí)現(xiàn)，語料庫構(gòu)建與標(biāo)注，還有評(píng)價(jià)方法。所以定量實(shí)驗(yàn)和數(shù)據(jù)分析，做得多做得好，更容易受到EMNLP認(rèn)可。我們今年評(píng)選的最佳長、短論文都與數(shù)據(jù)集有關(guān)。
雖然會(huì)議在定位和設(shè)計(jì)上各有特色，慢慢還是會(huì)出現(xiàn)一些同質(zhì)化的傾向。因?yàn)槌薈OLING外，EMNLP、ACL和NAACL都是由ACL組織運(yùn)作的，審稿人、SAC/AC、PC基本來自于同一個(gè)群體，各會(huì)議在審稿要求和規(guī)范方面也會(huì)相互參考和借鑒。所以學(xué)生在投稿的時(shí)候，不見得要緊盯一個(gè)會(huì)議，在DDL之前所有NLP相關(guān)會(huì)議都可以去嘗試。對(duì)于初次投稿的學(xué)生來說，這個(gè)過程中收到的反饋和意見更重要，字節(jié)跳動(dòng)“轉(zhuǎn)投中稿”的事也印證了這個(gè)事情。另外，現(xiàn)在NLP的投稿量越來越多，有了idea和好結(jié)果再不投，可能就被別人搶先了。
AI科技評(píng)論：EMNLP被拒論普遍存在共性問題是什么？您認(rèn)為真正好的論文應(yīng)該具備哪些特質(zhì)，能否給學(xué)生一些建議？
整體來看，EMNLP投稿論文的下限相比以前有所提高，因?yàn)樘峤桓袷讲灰?guī)范被拒的情況少了很多。現(xiàn)在存在比較重要的問題是：過于關(guān)注SOTA。很多作者覺得只要我的模型有好的結(jié)果，上傳了coding，就可以發(fā)表了。但對(duì)于一篇真正好的論文來講，模型性能只是一方面。我們更關(guān)注的是作者的研究動(dòng)機(jī)，文章的論證邏輯，以及實(shí)驗(yàn)方法的新穎性。
作者要明確地提出科學(xué)問題和解決方法，在這之前，他們需要做好充分的文獻(xiàn)調(diào)研，我們發(fā)現(xiàn)，很多作者提出的實(shí)驗(yàn)方法其實(shí)早就被驗(yàn)證過了，所以研究的創(chuàng)新性、新穎性是很關(guān)鍵的。我們還要看作者的邏輯表達(dá)，是否能把以往的工作梳理清楚，從分析、研究到驗(yàn)證的整個(gè)過程是否嚴(yán)謹(jǐn)，有理論支撐。另外，在實(shí)驗(yàn)環(huán)節(jié)，我們不僅看實(shí)驗(yàn)結(jié)果，更關(guān)注設(shè)計(jì)過程是否合理，實(shí)驗(yàn)結(jié)果是否充分可靠。
我經(jīng)常跟自己組里的學(xué)生說，不要覺得科研論文是記敘文，寫在敘事。既然是“論”文，就一定要以說理為主，要以理論和實(shí)驗(yàn)為依據(jù)，在有限的篇幅內(nèi)把研究觀點(diǎn)立起來。實(shí)驗(yàn)只是驗(yàn)證結(jié)論的一個(gè)手段，不能只關(guān)注SOTA，從發(fā)現(xiàn)問題到解決問題的邏輯演繹更為重要。
AI科技評(píng)論：EMNLP獲獎(jiǎng)?wù)撐氖侨绾芜M(jìn)行評(píng)選的，今年評(píng)選過程中是否有一些有趣的故事？
其實(shí)獲獎(jiǎng)?wù)撐脑u(píng)選工作在初級(jí)審稿階段就已經(jīng)開始了。審稿人、領(lǐng)域主席到高級(jí)領(lǐng)域主席都會(huì)在審稿表單中推薦最佳論文、，這些建議會(huì)提交給我們進(jìn)行二次篩選，差不多篩選出一半后再提交給最佳論文評(píng)選委員會(huì)，由他們做最終的決定。
我印象比較深的是情感分析領(lǐng)域推薦的一篇論文，獲得了今年的最佳短文。當(dāng)時(shí)200多篇論文中，負(fù)責(zé)相關(guān)領(lǐng)域的SAC只推薦了這一篇，也沒有推薦最佳長文。審稿人、領(lǐng)域主席和高級(jí)主席都認(rèn)為這篇是最佳短文的候選。這項(xiàng)研究提出了一個(gè)幽默感知模型CHoRaL，用來檢測Facebook上的消息貼是否幽默。他們收集了 78.5 萬篇與 COVID-19 相關(guān)的帖子，通過從帖子中提取語義詞匯和情感特征，分析社交媒體的幽默表達(dá)，還創(chuàng)建了帶標(biāo)簽的大規(guī)模數(shù)據(jù)集。
看了這篇論文后，我們認(rèn)為在深陷疫情漩渦的背景下，從“幽默”角度切入，提高語言理解能力的研究主題非常新穎，多少也有些苦中作樂的意味。因?yàn)榻衲暌咔樵谌蚍秶鷥?nèi)仍造成了不小的沖擊，包括今年EMNLP會(huì)議采用的也是線上線下結(jié)合的方式，很多學(xué)者因?yàn)橐咔闊o法到現(xiàn)場參會(huì)。
AI科技評(píng)論：Findings和ARR的實(shí)施效果如何？今年在審稿方面還做了哪些方面的改進(jìn)？
每年EMNLP會(huì)議都會(huì)總結(jié)往年經(jīng)驗(yàn)，做一些新的嘗試和改進(jìn)。比如去年EMNLP提出Findings類別，接收那些不足以被頂會(huì)錄用，但實(shí)驗(yàn)方法有創(chuàng)新，實(shí)驗(yàn)結(jié)果好的論文。今年是引入ARR滾動(dòng)審稿機(jī)制，讓論文投稿和評(píng)審更及時(shí)高效。整體來看，F(xiàn)indings共接收了419篇高質(zhì)量的論文，ARR投稿量截至10月份已經(jīng)有上千篇，并且在明年的ACL、EMNLP等會(huì)議中廣泛使用。
在審稿規(guī)范方面，我們今年重新修訂了短論文的評(píng)審標(biāo)準(zhǔn)，以前很多作者抱怨短文的拒稿率太高，可能審稿人覺得研究方法不夠新穎，實(shí)驗(yàn)不夠透徹。今年我們要求短文不能采用長文的評(píng)選標(biāo)準(zhǔn)，短論文只要問題聚焦，驗(yàn)證了方法的有效性，即使是階段性的貢獻(xiàn)也是有價(jià)值的。
另外其他會(huì)議也有相應(yīng)的改進(jìn)，比如ACL-IJCNLP 2021開設(shè)了審稿人培訓(xùn)系統(tǒng)；NAACL 2021改善了倫理評(píng)審機(jī)制，不過這種改進(jìn)都是漸進(jìn)式的。
AI科技評(píng)論：您認(rèn)為碩博生要在頂會(huì)發(fā)表論文，需要掌握哪些能力？
很多學(xué)生都希望在科研上做出一些有影響力的工作。做科研的第一步要學(xué)會(huì)發(fā)現(xiàn)問題。其實(shí)，博士與碩士在科研能力的培養(yǎng)和要求上有很大的不同，碩士階段可能我們只需要閱讀大量文獻(xiàn)，在前人研究的基礎(chǔ)上去探討一些新問題，但博士生要獨(dú)立地?cái)U(kuò)展一個(gè)新的研究領(lǐng)域，要自己去想idea。
其實(shí)很多時(shí)候，不是研究問題很難找，是我們?nèi)鄙勹b別問題的能力，我經(jīng)常告訴學(xué)生，讀論文要學(xué)會(huì)“挑刺”，你不能順著作者的邏輯，要換個(gè)角度嘗試去反駁它，就像審稿人一樣，要能夠找出這篇論文的優(yōu)缺點(diǎn)、有哪些改進(jìn)的空間，這樣才能在相對(duì)成熟的研究中發(fā)現(xiàn)新問題。另外，我們很多學(xué)生在碩博期間會(huì)去工業(yè)界實(shí)習(xí)，除了為將來職業(yè)規(guī)劃做準(zhǔn)備外，從實(shí)際的落地場景中也更容易挖掘一些感興趣的問題。
AI科技評(píng)論：從進(jìn)入NLP領(lǐng)域以來，您的研究方向經(jīng)歷了哪些變化，現(xiàn)在的主要研究方向和成果是什么？
我在讀博的時(shí)候恰好趕上了NLP走向數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)的過程，經(jīng)歷了從一開始的統(tǒng)計(jì)方法，到基于規(guī)則的方法，再到現(xiàn)在的深度學(xué)習(xí)。其實(shí)做科研就是這樣，只要技術(shù)一直在更新，你就要一直去追熱點(diǎn)方向。當(dāng)然如果能夠像Bengio, Hinton那樣引領(lǐng)熱點(diǎn)是最偉大的。我現(xiàn)在的研究方向主要與社會(huì)媒體有關(guān)，包括趨勢分析、情感分析、可理解分析以及內(nèi)容推薦。
除了社會(huì)媒體，我們也在做新聞方面的NLP，一開始做這個(gè)方向主要是興趣，我自己就是深度網(wǎng)民，以前經(jīng)常在BBS、天涯，新浪微博這些社區(qū)潛水。當(dāng)然從科研角度來講，社交媒體上有很好的數(shù)據(jù)資源，我們利用這些天然的數(shù)據(jù)訓(xùn)練語言模型，測試它在不同的領(lǐng)域的魯棒性，在遷移學(xué)習(xí)方面有更多探索的空間。
另外，深度學(xué)習(xí)把我們從特征挖掘時(shí)代帶到了結(jié)構(gòu)工程時(shí)代，這個(gè)過程帶來了很多新的問題，比如如何選擇適配特殊任務(wù)特殊數(shù)據(jù)集的結(jié)構(gòu)；可理解分析如何增加模型的可信賴性；如何更好地判斷模型是否過擬合等。所以，可解釋性也是我們目前研究的重點(diǎn)方向。
AI科技評(píng)論：您認(rèn)為NLP發(fā)展經(jīng)歷了哪幾個(gè)重要的階段，當(dāng)下的研究趨勢和面臨的瓶頸是什么？
1950 年艾倫·圖靈在《計(jì)算機(jī)與智能》論文中提出機(jī)器翻譯算法，第一次研究了自然語言的形態(tài)學(xué)、句法和語義問題。這項(xiàng)成果被看做是自然語言發(fā)展的源頭。在這之后，如果回溯整個(gè)NLP發(fā)展歷程，大概可以分為三階段；第一個(gè)階段是上個(gè)世紀(jì)，NLP在機(jī)器翻譯領(lǐng)域經(jīng)歷了漫長的發(fā)展歷程。第二階段是本世紀(jì)初，基于規(guī)則和數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)技術(shù)開始興起，NLP進(jìn)入蓬勃發(fā)展期；第三階段就是現(xiàn)在以深度學(xué)習(xí)為主的NLP時(shí)代。
細(xì)分下來，目前整個(gè)NLP發(fā)展的熱點(diǎn)趨勢，可以總結(jié)為幾個(gè)關(guān)鍵詞：預(yù)訓(xùn)練，多模態(tài)，低資源、低功耗、可解釋，科技向善。大火的GPT-3就是預(yù)訓(xùn)練模型，這項(xiàng)研究獲得了NeurIPS 2020最佳論文，EMNLP-IJCNLP 2019 的最佳論文也與預(yù)訓(xùn)練有關(guān)。之所以成為學(xué)術(shù)熱點(diǎn)，主要就是它在ImageNet等大規(guī)模數(shù)據(jù)集上達(dá)到了很高的性能水平。然后是可解釋性，不僅是NLP領(lǐng)域，整個(gè)以深度學(xué)習(xí)為核心的人工智能都面臨模型可解釋的問題，如今AI開始大規(guī)模走向落地，有關(guān)可解釋的研究也越來越緊迫。這些熱點(diǎn)研究方向百花齊放，但現(xiàn)階段都都存在一些難以逾越的瓶頸，比如預(yù)訓(xùn)練在工業(yè)界的落地開銷太大，如何在醫(yī)療、金融等領(lǐng)域發(fā)揮實(shí)際價(jià)值，能否實(shí)現(xiàn)小樣本學(xué)習(xí)等等。
AI科技評(píng)論：EMNLP從最早的興趣小組成為了僅次于ACL的第二大NLP會(huì)議，投稿量也在逐年上漲，華人學(xué)者連續(xù)多年占據(jù)投稿量榜首，您認(rèn)為EMNLP的崛起對(duì)NLP發(fā)展有哪些作用？
不止是EMNLP，我覺得各類NLP頂會(huì)對(duì)自然語言處理的發(fā)展起著重要的引領(lǐng)性作用。從EMNLP來說，我們會(huì)試圖挖掘有價(jià)值的研究，引導(dǎo)學(xué)者形成正確的價(jià)值觀，推動(dòng)NLP的全面發(fā)展。比如通過開設(shè)自然語言處理效率、可解釋性等小眾領(lǐng)域，促進(jìn)研究的多樣性；通過制定各種規(guī)范和指南，影響審稿人和作者的價(jià)值判斷；通過最佳論文評(píng)選，為研究者樹立標(biāo)桿。
另外，今年在會(huì)議安排上，我們邀請(qǐng)了MIT腦與認(rèn)知科學(xué)系的Evelina Fedorenko教授，就大腦的語言系統(tǒng)做相關(guān)主題報(bào)告，他們的工作有助于推動(dòng)NLP與多學(xué)科的交叉融合。同時(shí)我們還邀請(qǐng)澳大利亞查爾斯達(dá)爾文大學(xué)的Steven Bird教授，分享用NLP幫助新西蘭土著居民的科研項(xiàng)目，傳遞科技向善的理念。所以從整個(gè)人工智能圈來講，希望引導(dǎo)學(xué)者利用NLP技術(shù)去做一些真正提升社會(huì)價(jià)值的工作。
下一屆EMNLP程序主席
AI科技評(píng)論了解到，EMNLP組委會(huì)已公布下一屆會(huì)議的程序主席，其中，西湖大學(xué)張?jiān)澜淌?/strong>位列其中，這是自EMNLP成立以來第四位內(nèi)地學(xué)者出現(xiàn)在大會(huì)程序委員會(huì)的行列。
作為國內(nèi)早期從事自然語言處理研究的學(xué)者之一，張?jiān)览蠋?span style="font-size: 15px;letter-spacing: 0.5px;">研究方向側(cè)重自然語言的解析、生成和翻譯、文本挖掘、機(jī)器學(xué)習(xí)，已發(fā)表相關(guān)國際期刊論文30余篇，CCF列表 A、B 類國際會(huì)議論文百余篇，獲得過CCF2018中文計(jì)算與自然語言處理青年新銳獎(jiǎng)、SemEval2020（honorable mention）COLING2018和IALP2017最佳論文獎(jiǎng)等獎(jiǎng)項(xiàng)。
盤點(diǎn)EMNLP歷年的組委會(huì)成員，除了張?jiān)篮忘S萱菁教授外，還有字節(jié)跳動(dòng)李航博士、北京大學(xué)萬小軍等國內(nèi)學(xué)者，以及新加坡管理大學(xué)Jing Jiang、德克薩斯大學(xué)Vincent Ng等多名華人學(xué)者出任EMNLP程序主席。
張?jiān)览蠋熑脒xEMNLP2022程序主席，意味著他本人及其團(tuán)隊(duì)的學(xué)術(shù)成就和地位得到了國際同行的認(rèn)可，而越來越多的華人面孔出現(xiàn)國際會(huì)議的組委會(huì)行列，標(biāo)志著我國計(jì)算語言學(xué)和自然語言處理研究領(lǐng)域在國際學(xué)術(shù)舞臺(tái)擁有更多的話語權(quán)。
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
