ACL2019《基于图的句子意思表征》教程, 300多页PPT带你进入这一新兴领域

2019 年 7 月 30 日 专知

【导读】NLP中，研究人员对以有向图的形式编码和处理句子意思的工作非常感兴趣，出现了很多比较有意思的Paper。但以前很少有研究人员能够概括其发展和统一框架，这次ACL 2019 Tutorial环节，来自萨尔兰大学的Alexander Koller教授、挪威奥斯陆大学Stephan Oepen教授和北京大学的Weiwei Sun老师这几位专家跟大家介绍了基于图的句子意思表征《Graph-Based Meaning Representations: Design and Processing》，教程全面概述了如何应用语义图的方式进行篇章解析以及描述，对不同的语义图库和相关的解析工作提供一个统一的视角，从而为刚入行的NLP开发人员和用户提供一系列完整的学习和实践。

【报告简介】

近年来，人们对以有向图的形式编码和处理句子意思的方法产生了广泛的兴趣。这一研究方向的框架包括：抽象含义表征（Abstract Meaning Representation）、基于图的最小递归语义呈现（graph-based rendering of Minimal Recursion Semantics）、双向语义依赖图（Bilexical Semantic Dependency Graphs）和通用感知认知标注（Universal Conceptual Cognitive Annotation）。

作为对基于向量的高级语义表示的补充，对这种层次结构和离散语义表示的解析自早期以来一直是自然语言理解的基石，并将继续为自然语言的“有意义”做出重要贡献。本教程将(a)简要回顾formal语义学和linguistic语义学的相关背景;(b)对语义图的不同风格和相关术语半正式地定义统一的抽象观点; (c)综述基于图的意思表征的共同框架和现有的图库;(d) 从技术角度介绍如何选择不同的具有代表性的解析方法。

本教程的最终目标是对不同的语义图库和相关的解析工作提供一个统一的视角，从而为刚入行的NLP开发人员和用户扫清障碍，并从这个令人兴奋的领域的最新技术和最佳实践中获益。

【作者信息】

Alexander Koller

Alexander Koller是萨尔兰大学语言科学与技术系计算语言学教授。在到萨尔兰大学之前，他是波茨坦大学理论计算语言学教授。他也是哥伦比亚大学和爱丁堡大学的博士后。

他的研究兴趣广泛，包括为自然语言现象提出清晰的数学模型和解决自然语言处理中有用问题的有效算法。特别是，他对计算语义学、语法形式学和自然语言生成（NLG）做了大量的研究。

http://www.coli.uni-saarland.de/~koller/

Stephan Oepen

Stephan Oepen在柏林、伏尔加格勒和Saarbrücken学习语言学、德语和俄语语言学、计算机科学和计算语言学。2011年至2017年期间，他在奥斯陆大学领导语言技术部。在他被任命之前，他曾在DFKI（德国）和萨尔兰大学（德国）、YY技术公司（Mountain View）和斯坦福大学工作。他的研究围绕语言学和计算机的整合展开，他发表了90篇peer-reviewed的研究文章和会议论文，并共同创立了全球的DELPH-IN网络和北欧语言处理实验室（NLPL）。

https://www.mn.uio.no/ifi/english/people/aca/oe/

Weiwei Sun

她是一位计算语言学专家。她目前在北京大学计算机科学与技术学院工作。她还是北京大学汉语语言学中心的兼职研究员。在此之前，她是萨尔兰大学计算语言学系的博士生，在Hans Uszkoreit教授的指导下进行研究。

https://www.linkedin.com/in/weiwei-guo/

Tutorial链接：

https://github.com/cfmrp/tutorial

请关注专知公众号（点击上方蓝色专知关注）