前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >ACL 2020终身成就奖花落爱丁堡篇章分析女教授,时间检验奖表彰25年前经典

ACL 2020终身成就奖花落爱丁堡篇章分析女教授,时间检验奖表彰25年前经典

作者头像
新智元
发布2020-07-09 14:56:28
4640
发布2020-07-09 14:56:28
举报
文章被收录于专栏:新智元新智元

新智元报道

来源:ACL 2020

编辑:舒婷

【新智元导读】北京时间7月6日晚,ACL颁布了终身成就奖、杰出服务奖以及时间检验奖。终身成就奖颁给了爱丁堡大学的教授Bonnie Webber,杰出服务奖颁给了多伦多大学的Graeme Hirst教授,时间检验奖项则分为1995Winners和2010Winners,颁给了四篇论文。

北京时间7月6日,ACL 颁布了终身成就奖、杰出服务奖以及时间检验奖。

毕业于哈佛,曾任教于爱丁堡大学的教授Bonnie Webber获得了终身成就奖,曾任ACL财务总管的多伦多大学的Graeme Hirst教授获得了杰出服务奖。时间检验奖项则分为1995Winners和2010Winners,颁给了四篇论文:

时隔两年,爱丁堡信息学院再添一位ACL终身成就奖

ACL组委会说,终身成就奖颁给 Bonnie Webber,以表彰她在篇章分析研究领域的卓越成就 。这位优秀的计算语言学家出生于1946年,是爱丁堡大学语言、认知和计算研究所的名誉教授。值得一提的是,Bonnie Webber和2018年ACL终身成就奖得主Mark Steedman属于一个学院——爱丁堡信息学院。

由于此次ACL采用线上虚拟会议的模式,因此Bonnie Webber在家中发表了终身成就奖的演讲,鼓励年轻学者投入科研,解决领域内许多未解决的问题。

1978年,Bonnie Webber在哈佛大学拿到博士学位后,和Bill Woods在Bolt Beranek and Newman一起工作。之后她被聘任为宾夕法尼亚大学教授,在宾夕法尼亚工作了许多年。直到1988年,她搬到爱丁堡,并于2016年从爱丁堡大学退休,同时她也被被学校聘请为名誉教授。

Bonnie Webber也备受计算机语言学会的青睐。1980年,Bonnie Webber担任计算机语言学协会主席,2012年被授予ACL Fellow,以表彰她在语篇结构和基于话语的解释方面的重大贡献。除此以外,1991年Bonnie Webber成为AAAI的Fellow,2004年她当选爱丁堡皇家学会院士。

同时,她还参与编写了《计算机图形动画与控制》、《话语理解要素》、《人工智能读本》和《自然语言处理读本》几本计算机语言学相关的书籍。

Bonnie Webber获奖引发热议,许许多多研究人员通过推特对她表达祝贺,并赞赏她在计算机语言学的成就。

杰出服务奖颁给ACL财务总管

杰出服务奖的获得者是多伦多大学的计算机科学教授Graeme Hirst。

Graeme Hirst的研究领域是计算语言学和自然语言处理。他曾获得加拿大人工智能协会颁发的两项卓越教学奖和终身成就奖。

2008年-2017年间,Graeme Hirst担任了ACL的财务总管,并在2019年被授予ACL Fellow。ACL主席Hinrich Schutze在颁奖时表扬了Graeme Hirst为ACL所做出的的贡献,让ACL近些年的财务十分稳定,并且保证了之前线下大会的顺利开展。

时间检验奖:无论时隔25年或是10年,经典论文依旧熠熠生辉

1995Winners

1、Centering: A Framework for Modeling the Local Coherence of Discourse.

https://www.aclweb.org/anthology/J95-2003.pdf

这篇文章探讨了语篇中注意焦点、指称表达方式的选择和话语的连贯性之间的关系。在此基础上,提出了一个中心理论框架和初步理论,旨在对注意力状态的局部成分进行建模。本文考察了局部连贯与指称用语选择之间的相互作用;本文认为,在特定的注意状态下,连贯性的差异在一定程度上对应着不同类型指称的推理要求。结果表明,中心理论模型的注意状态属性可以解释这些差异。

获奖理由:该论文是计算对话(computational discourse)领域非常重要的一篇论文,融合了理论语言学,心理语言学和形式语言学,其理论在现今仍然影响远大。

2、Unsupervised Word Sense Disambiguation Rivaling Supervised Methods.

https://www.aclweb.org/anthology/P95-1026.pdf

这篇论文提出了一种用于语义消歧的无监督学习算法。当在无注释的英语文本上进行训练时,该算法的性能,可以与需要费时费力注释的有监督技术相媲美。该算法基于两个强大的约束:单词、词组在每个语篇中往往只有一种意义。测试中,这个算法精度超过96%。

获奖理由:该论文将语言学假设与无监督学习相结合,是一种开创性的工作。同时,展示了统计范畴的数据驱动技术在NLP中的强大作用。监督学习和非监督学习,标记数据与否,都是现今仍然流行的讨论主题。

2010Winners

3、Distributional Memory: A General Framework for Corpus-based Semantics.

https://www.mitpressjournals.org/doi/pdf/10.1162/coli_a_00016

这篇论文提出了一个分布记忆框架,作为「一个任务,一个模型」方法的替代方法,这个框架可以在任务之间共享相同的分布信息。广泛的测试表明,针对同一问题,分布式记忆实现的性能更具竞争力,并且是可靠的。

获奖理由:该论文对于提倡词汇语义的通用目的学习,是一项开拓性研究。并且,文中提出了自监督预训练方法(就像word2vec、BERT中应用的)。促进了计算语义学、认知建模和语言学理论的严谨性。

4、Word Representations: A Simple and General Method for Semi-supervised Learning.

https://www.aclweb.org/anthology/P10-1040.pdf

这篇论文以现有的有监督NLP系统为例,利用无监督词表征作为额外的词特征,以提高准确率。作者评估了三种方法对NER和chunking的影响,使用接近SOTA的监督baseline,发现三个词表征法都提高了这些baseline的准确性。通过结合不同的单词表征,作者发现了进一步的改进。

获奖理由:该论文将向量表征用于自然语言处理任务,引发了学术界巨变,具有里程碑意义。在提出词嵌入的思想上早了大约五年的时间,先于word2vec、Glove等论文。论文的思想在如今的NLP占据中心地位,并在多种NLP任务上做了彻底、细致的评估,得到了出乎意料的结果。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-07-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 新智元 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 【新智元导读】北京时间7月6日晚,ACL颁布了终身成就奖、杰出服务奖以及时间检验奖。终身成就奖颁给了爱丁堡大学的教授Bonnie Webber,杰出服务奖颁给了多伦多大学的Graeme Hirst教授,时间检验奖项则分为1995Winners和2010Winners,颁给了四篇论文。
相关产品与服务
NLP 服务
NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档