国际计算语言学协会 (ACL，The Association for Computational Linguistics)，是世界上影响力最大、最具活力的国际学术组织之一，其会员遍布世界各地。ACL 会议是计算语言学领域的首要会议，广泛涉及自然语言的计算方法及其各类研究领域。计算语言学协会第56届年会，也即ACL 2018，将于7月15日至20日在澳大利亚墨尔本墨尔本会展中心举行。

昨天，ACL官网公布了本届大会的最佳论文，包括3篇长论文和2篇短论文。

Best Long Papers

Finding syntax in human encephalography with beam search. John Hale, Chris Dyer, Adhiguna Kuncoro and Jonathan Brennan.
Learning to Ask Good Questions: Ranking Clarification Questions using Neural Expected Value of Perfect Information. Sudha Rao and Hal Daumé III.
Let’s do it “again”: A First Computational Approach to Detecting Adverbial Presupposition Triggers. Andre Cianflone, Yulan Feng, Jad Kabbara and Jackie Chi Kit Cheung.

Best Short Papers

Know What You Don’t Know: Unanswerable Questions for SQuAD. Pranav Rajpurkar, Robin Jia and Percy Liang
‘Lighter’ Can Still Be Dark: Modeling Comparative Color Descriptions. Olivia Winn and Smaranda Muresan

根据ACL官网，今年的会议竞争超级激烈：一共接受了1018份长文中的258篇和526篇短篇论文中的126篇，总体接受率为24.9％。

最佳论文——长论文（3篇）

1. Finding syntax in human encephalography with beam search.

（使用beam search在人体脑电图中查找语法）

作者：John Hale, Chris Dyer, Adhiguna Kuncoro & Jonathan Brennan.

（论文内容尚未公布）

2. Learning to Ask Good Questions: Ranking Clarification Questions using Neural Expected Value of Perfect Information.

（学习提问好问题：使用完美信息的神经期望值排列澄清性问题。）

作者：Sudha Rao & Hal Daumé III

论文地址：https://arxiv.org/pdf/1805.04655.pdf

论文摘要

提问（inquiry）是沟通的基础。除非能提出问题，机器无法有效地与人类合作。在这项工作中，我们建立了一个神经网络模型来排序澄清性问题。我们的模型受到完美信息期望值（expected value of perfect information）的启发：一个问题好不好在于其预期答案是否有用。我们使用来自StackExchange的数据来研究这个问题。StackExchange是一个丰富的在线资源，人们在上面提问一些澄清式的问题，以便更好地为原始的帖子提供帮助。我们创建一个由大约77k帖子组成的数据集，其中每个帖子包含一个问题和回答。我们在500个样本的数据集上对我们的模型进行了评估，并与人类专家的判断进行对比，证明了模型在控制基线上得到重大改进。

3. Let’s do it “again”: A First Computational Approach to Detecting Adverbial Presupposition Triggers.

作者： Andre Cianflone, Yulan Feng, Jad Kabbara and Jackie Chi Kit Cheung.

论文地址：https://www.cs.mcgill.ca/~jkabba/acl2018paper.pdf

论文摘要

在这篇论文中，我们提出一个检测状语预设的触发器的任务，例如“also”或“again”这类词。解决个任务需要在话语语境中检测重复或类似的事件，可以应用在自然语言生成任务（例如总结和对话系统）任务。我们为该任务创建了两个新的数据集，数据来源于Penn Treebank和Annotated English Gigaword两个语料库，以及为此任务量身定制的新的注意力机制。我们的注意力机制增加了一个基线递归神经网络，而且不需要额外的可训练参数，从而最大限度地减少了计算成本。我们的工作证明，我们的模型在统计学上优于一些基线模型，包括基于LSTM的语言模型。

最佳论文——短论文（2篇）

1. Know What You Don’t Know: Unanswerable Questions for SQuAD.

作者：Pranav Rajpurkar, Robin Jia and Percy Liang

（论文内容未公开）

2. ‘Lighter’ Can Still Be Dark: Modeling Comparative Color Descriptions.

作者：Olivia Winn and Smaranda Muresan

（论文内容未公开）

今年的ACL开设了一个“meta conference”环节，讨论双盲评审以及 ArXiv 预印版相关话题。许多研究表明，当工作的客观价值保持不变时，单盲评审会导致评审人更偏向于某些类型的研究人员。因此，所有 ACL 会议和大多数研讨会都使用双盲评审制度。而以 ArXiv 为代表的在线预印服务器的流行，在一定程度上威胁到了双盲评审过程。

上周，ACL更新了其会议论文的投稿、评审和引用政策。其中规定，为了双盲评审的有效性，禁止投稿论文在截止日期前的1个月时间内在 arXiv 等平台公开预印本。这些新要求引起一些质疑双盲评审有效性的声音，不过，多数研究人员表示支持新政。

因此，其他几篇最佳论文，可能需要等到7月份会议召开后公开。

原文发布时间为：2018-06-11

本文作者：闻菲、小芹

本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”。

原文链接：ACL 2018最佳论文公布！计算语言学最前沿研究都在这里了