雷锋网(公众号：雷锋网)AI科技评论按：计算机语言学和自然语言处理最顶尖的会议之一ACL 将于2017年7月30日至8月4日在加拿大温哥华举行。雷锋网AI科技评论将赴前线带来一手报道，并对论文及大会概况进行梳理。
今年的ACL邀请到了两位重量级嘉宾进行invited talk，下面是雷锋网对演讲简介的编译，Noah Smith将会讨论目前表征学习所面对的挑战，Mirelaa Lapate将会介绍多模式翻译。
详解计算语言学（Squashing Computational Linguistics)
Noah Smith（华盛顿大学）
以下是官网提供的演讲内容简介：
表征学习是计算语言学和自然语言处理领域目前最炙手可热的方法。与出席这次会议的其他人一样，我将介绍在自然语言模型中使用表征学习的新方法。由于一个数据驱动的模型通常需要一个假定的理论（并不一定是最好的理论），我会论证语言的representation-learning-infused模型的language-appropriate inductive bias的优点。这种偏差通常以假设的形式被引入到模型中、对推理算法的限制条件中、或者数据的语言分析中。事实上，语言学研究的这几十年（包含计算语言学），使得我们这个领域处于辨别可行的inductive bias的优势位置。新的模型又可以让我们去探索先前不可获得的偏差形式，并产生新的语言学发现。我将着重于新的文档和句子语义结构，并强调抽象的，可复用的组成部分和它们的假设，而并不将重点放在应用上。
演讲者简介：Noah Smith是华盛顿大学计算机科学与工程系的Paul G. Allen学院的副教授。此前，他曾在卡内基梅隆大学计算机科学学院任副教授。Noah Smith在约翰霍普金斯大学计算机科学系获得博士学位，在马里兰大学获得计算机科学学士学位以及语言学学士学位。他的研究横跨包括自然语言处理，机器学习和计算机社会科学在内的许多话题。他曾任CL，JAIR和TACL编辑，以及SIGDAT的财务主管，并作为2016年ACL会议的程序联合主席。他的研究小组：诺亚方舟，是自然语言处理学术上和工业界中的世界级领导者。Smith的工作得到了UW Innovation Award， Finmeccanica career development chair at CMU，NSF CAREER Award，Hertz Foundation graduate fellowship的认可，并获得了无数的最佳论文奖，曾被NPR、BBC、CBC、纽约时报、华盛顿邮报和Time杂志报导。
多模式与文本的相互翻译（Translating from Multiple Modalities to Text and Back)
Mirella Lapata（爱丁堡大学）
近年来，研究者们开发了很多计算工具来处理和生成自然语言文本。其中许多工具对于主流计算机用户来说已经很熟悉了，它们多被应用在网络搜索，问答，情绪分析，特别是机器翻译中。机器翻译的应用不仅可以在不同语言之间（例如英语到法语），还可以应用在相同国语言之间，在不同的模式之间或不同的数据格式之间进行翻译（比如视频或图像翻译为文本），这可以进一步增强网络的可访问性。这是由于网络中大多数据都是非语言数据（例如视频，图像，源代码），而大多数检索工具只能对文本数据进行操作，因此大多数数据都不能够被索引或搜索。
在这个演讲中，Lapata 教授会论证为了使个人和计算机的电子数据更易于访问，需要开发新的翻译模型。我将重点介绍三个示例：文本简化，源代码生成和电影摘要。其次，他将描述关于深度学习拓展的最新进展，以引出不同模式的一般性表示，并学习如何在这些模式和自然语言中进行翻译。
演讲者简介：Mirella Lapate是爱丁堡大学信息学院的自然语言处理教授。她的研究重点是让电脑学会理解，推理，以及生成。她是Journal of Artificial Intelligence Research的副主编，曾在ACL和Computational Linguistic委员会任职。她是英国计算机学会Karen Sparck Jones奖的第一个获奖者。她获得过两次EMNLP最佳论文奖，目前持有欧洲研究理事会著名的Consolidator Grant。
本文作者：高云河
本文转自雷锋网禁止二次转载，原文链接
