Webber|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( 二 )


●时间检验奖:无论时隔25年 , 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
Webber|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
本文插图

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 。
Webber|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
本文插图

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
Webber|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
本文插图

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% 。
Webber|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
本文插图

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
Webber|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
本文插图

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 。
Webber|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
本文插图

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
Webber|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
本文插图

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 。
Webber|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


推荐阅读