雷鋒網AI科技評論按：計算機語言學和自然語言處理最頂尖的會議之一ACL 將于2017年7月30日至8月4日在加拿大溫哥華舉行。雷鋒網AI科技評論將赴前線帶來一手報道，并對論文及大會概況進行梳理。

今年的ACL邀請到了兩位重量級嘉賓進行invited talk，下面是雷鋒網對演講簡介的編譯，Noah Smith將會討論目前表征學習所面對的挑戰(zhàn)，Mirelaa Lapate將會介紹多模式翻譯。

詳解計算語言學（Squashing Computational Linguistics)

Noah Smith（華盛頓大學）

以下是官網提供的演講內容簡介：

表征學習是計算語言學和自然語言處理領域目前最炙手可熱的方法。與出席這次會議的其他人一樣，我將介紹在自然語言模型中使用表征學習的新方法。由于一個數據驅動的模型通常需要一個假定的理論（并不一定是最好的理論），我會論證語言的representation-learning-infused模型的language-appropriate inductive bias的優(yōu)點。這種偏差通常以假設的形式被引入到模型中、對推理算法的限制條件中、或者數據的語言分析中。事實上，語言學研究的這幾十年（包含計算語言學），使得我們這個領域處于辨別可行的inductive bias的優(yōu)勢位置。新的模型又可以讓我們去探索先前不可獲得的偏差形式，并產生新的語言學發(fā)現。我將著重于新的文檔和句子語義結構，并強調抽象的，可復用的組成部分和它們的假設，而并不將重點放在應用上。 

演講者簡介：Noah Smith是華盛頓大學計算機科學與工程系的Paul G. Allen學院的副教授。此前，他曾在卡內基梅隆大學計算機科學學院任副教授。Noah Smith在約翰霍普金斯大學計算機科學系獲得博士學位，在馬里蘭大學獲得計算機科學學士學位以及語言學學士學位。他的研究橫跨包括自然語言處理，機器學習和計算機社會科學在內的許多話題。他曾任CL，JAIR和TACL編輯，以及SIGDAT的財務主管，并作為2016年ACL會議的程序聯合主席。他的研究小組：諾亞方舟，是自然語言處理學術上和工業(yè)界中的世界級領導者。Smith的工作得到了UW Innovation Award， Finmeccanica career development chair at CMU，NSF CAREER Award，Hertz Foundation graduate fellowship的認可，并獲得了無數的最佳論文獎，曾被NPR、BBC、CBC、紐約時報、華盛頓郵報和Time雜志報導。

多模式與文本的相互翻譯（Translating from Multiple Modalities to Text and Back) 

Mirella Lapata（愛丁堡大學）

近年來，研究者們開發(fā)了很多計算工具來處理和生成自然語言文本。其中許多工具對于主流計算機用戶來說已經很熟悉了，它們多被應用在網絡搜索，問答，情緒分析，特別是機器翻譯中。機器翻譯的應用不僅可以在不同語言之間（例如英語到法語），還可以應用在相同國語言之間，在不同的模式之間或不同的數據格式之間進行翻譯（比如視頻或圖像翻譯為文本），這可以進一步增強網絡的可訪問性。這是由于網絡中大多數據都是非語言數據（例如視頻，圖像，源代碼），而大多數檢索工具只能對文本數據進行操作，因此大多數數據都不能夠被索引或搜索。

在這個演講中，Lapata 教授會論證為了使個人和計算機的電子數據更易于訪問，需要開發(fā)新的翻譯模型。我將重點介紹三個示例：文本簡化，源代碼生成和電影摘要。其次，他將描述關于深度學習拓展的最新進展，以引出不同模式的一般性表示，并學習如何在這些模式和自然語言中進行翻譯。

演講者簡介：Mirella Lapate是愛丁堡大學信息學院的自然語言處理教授。她的研究重點是讓電腦學會理解，推理，以及生成。她是Journal of Artificial Intelligence Research的副主編，曾在ACL和Computational Linguistic委員會任職。她是英國計算機學會Karen Sparck Jones獎的第一個獲獎者。她獲得過兩次EMNLP最佳論文獎，目前持有歐洲研究理事會著名的Consolidator Grant。

原文鏈接：ACL 2017 Invited Talks

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。