自然语言处理ACL2020最佳论文出炉！微软摘得最佳论文，Bengio论文获时间检验奖

近日，国际计算语言学协会年会（ACL，The Association for Computational Linguistics）在官网公布了ACL 2020的最佳论文名单，共有1篇最佳论文，2篇最佳论文提名，1篇最佳主题论文，1篇最佳主题论文提名，1篇最佳demo论文，2篇最佳demo论文提名。

https://acl2020.org/blog/ACL-2020-bes-tpapers/

ACL 2020是第58届ACL年会，原定于7月5日至10日在美国华盛顿西雅图举行。受疫情影响，今年的自然语言处理领域顶级会议ACL改为线上举行，于当地时间7月5日上正式线上开幕。涵盖了 Paper Q&A Session、Tutorials、Workshops等一系列活动。

最佳论文奖

ACL 2020 最佳论文奖项由来自微软研究院、华盛顿大学、加州大学欧文分校的研究人员摘得，该研究提出了一种与任务无关的 NLP 模型测试方法。

• 论文链接：https://www.zhuanzhi.ai/paper/bf01c1939a93bae077f2a8d96ef05eec

简介：这篇论文受软件工程行为测试原理的启发，主要引入了CheckList，这是一种与任务无关的方法，用于测试NLP模型。CheckList包括一般语言功能和测试类型的矩阵，有助于全面测试构思，以及一个软件工具，用于快速生成大量和多样化的测试用例。作者通过测试三个任务来说明CheckList的效用，识别商业和最先进的模型中的关键故障。在用户研究中，负责商业情绪分析模型的团队在广泛测试的模型中发现了新的和可操作的Bug。在另一个用户研究中，使用CheckList的NLP从业者创建了两倍的测试，并且发现的错误数几乎是没使用它的用户的三倍。

最佳主题论文奖

此次会议的最佳主题论文奖由来自美国华盛顿大学和德国萨尔大学的研究者摘得。

• 论文链接：https://www.aclweb.org/anthology/2020.acl-main.463.pdf

简介：大型神经语言模型在许多 NLP 任务上获得成功。这篇论文肯定了大型神经语言模型在许多NLP任务上的成功。同时也指出，这些成功有时会被夸大，认为这些模型可以被描述为一种「理解」或「意义」。在这篇文章中，作者认为，一个只接受形式训练的系统本身是无法学习意义的。作者指出，对形式和意义之间的区别有明确理解，将有助于引导该领域朝着更好的自然语言理解科学方向发展。

最佳 Demo 论文

• 论文链接：https://www.aclweb.org/anthology/2020.acl-demos.11.pdf

简介：这项研究提出了首个综合开源的多媒体知识提取系统，该系统可基于不同的内容源和语言提取大量非结构化异构多媒体数据，并遵循丰富细粒度本体，创建出连贯且结构化的知识库、索引实体、关系和事件。

该研究提出的系统 GAIA 可实现复杂图 query 的无缝搜索，并检索出文本、图像和视频等多媒体证据。GAIA 在近期的 NIST TAC SM-KBP2019 评估中实现了顶级性能。

• GitHub 地址：https://github.com/GAIA-AIDA
• 论文讲解视频：http://blender.cs.illinois.edu/aida/gaia.mp4

时间检验奖

ACL 2020 的时间检验奖（Test of Time Awards）颁给了 4 篇论文，其中 2 篇发表于 1995 年，经受住了 25 年的时间检验，另外两篇发表于 2010 年。

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

• 论文链接：https://www.aclweb.org/anthology/J95-2003.pdf
• 论文作者：Barbara J. Grosz（哈佛大学）、Aravind K. Joshi（宾大）、Scott Weinstein（宾大）

这篇论文于 1995 年发表在 CL 上，被引用次数高达 2700 多次。

该论文是计算对话（computational discourse）领域最重要的论文之一，融合了理论语言学、心理语言学和形式语义学，展示了「语言学」在「计算语言学」中的力量。

论文 2：Unsupervised Word Sense Disambiguation Rivaling Supervised Methods

• 论文链接：https://www.aclweb.org/anthology/P95-1026.pdf
• 论文作者：David Yarowsky（宾大计算机与信息科学系）

这篇论文于 1995 年发表在 ACL 上，被引用次数也在 2700 次以上。

该论文开创性地将语言学假设和无监督学习融合起来，展示了统计数据驱动的技术在 NLP 领域中的强大作用。这篇论文探讨的问题——监督学习和无监督学习的性能差距、标注数据的成本，放到现在依旧不过时。

论文 3：Distributional Memory: A General Framework for Corpus-Based Semantics

• 论文链接：https://www.mitpressjournals.org/doi/pdf/10.1162/coli_a_00016
• 论文作者：Marco Baroni（特伦托大学）、Alessandro Lenci（比萨大学）

本文于 2010 年发表在 CL 上，被引用次数近 700 次。

该论文开创性地提倡词汇语义学的通用学得表征，提出自监督预训练方法（类似于 word2vec、BERT 中所使用的），促进了计算语义学、认知建模和语言学理论之间的联系。

论文 4：Word representations: A simple and general method for semi-supervised learning

• 论文链接：https://www.aclweb.org/anthology/P10-1040.pdf
• 论文作者：Joseph Turian（蒙特利尔大学）、Lev Ratinov（伊利诺伊大学厄巴纳 - 香槟分校）、Yoshua Bengio（蒙特利尔大学）

这篇论文于 2010 年发表在 ACL 上，被引用次数超过 2200 次。

该论文是将向量表示用于 NLP 任务的里程碑式著作。它在提出词嵌入方面早了大约五年，并首次在多项 NLP 任务上对比了 distributional 和 distributed（分布式）词表示，论文倡导的思想至今在 NLP 领域占据中心地位。

参考资料：

机器之心 https://mp.weixin.qq.com/s/QsdR8MncJpLXsD03585rMg