ACL2019最佳論文出爐，共八篇文章獲獎。來自中科院、華為諾亞方舟實驗室等機構的論文獲得了最佳長論文；一篇來自南京理工大學論文獲得了傑出論文獎。除此之外，還有很多華人學者都是獲獎論文的作者。由此可見，國內研究者在 NLP 領域還是取得非常不錯的成績。
其中最佳長論文獎由張文（計算所）、馮洋（計算所）、孟凡東（騰訊）、Di You（Worcester）和劉群（華為諾亞方舟）獲得。最佳短論文由俄亥俄州立大學的Nanjiang Jiang獲得。
南京理工大學夏睿團隊和港科大的 Pascale Fung 團隊分別獲得了傑出論文獎。
最佳長論文獎
Bridging the Gap between Training and Inference for Neural Machine Translation，彌補神經機器翻譯在訓練和推理過程之間的缺口
論文作者：Wen Zhang, Yang Feng（馮洋）, Fandong Meng, Di You and Qun Liu（劉群）
論文地址：https://arxiv.org/abs/1906.02448
獲獎理由：
該論文解決了seq2seq轉換中長期存在的暴露偏差問題；論文所提出的解決方案是：判斷依據在「基於參考文本中的詞」和「解碼器自己的輸出中預選擇詞」兩種之間切換這個方法適用於當前的teacher-forcing訓練範式，並改進了規劃抽樣；論文的實驗做的非常完善，結果令人信服，並可能影響機器翻譯未來的工作；該方法也適用於其他seq2seq任務。
最佳短論文獎
Do you know that Florence is packed with visitors? Evaluating state-of-the-art models of speaker commitment，「你知不知道佛羅倫斯全都是遊客？」，評價最先進的說話人承諾模型
論文作者：Nanjiang Jiang, Marie-Catherine de Marneffe
論文地址：https://www.aclweb.org/anthology/P19-1412
獲獎理由：
這篇論文展示出了帶有語言學知識的模型的巨大潛力對基於規則的和雙向LSTM這兩種最先進的說話人承諾模型進行了系統的評價論文中的語言學分析給人啟發，也展現出了系統的優勢和劣勢
傑出論文獎（五篇）
一：Emotion-Cause Pair Extraction: A New Task to Emotion Analysis in Texts，情緒-原因對的提取：文本情感分析中的一個新任務
論文作者：Rui Xia（夏睿）, Zixiang Ding
論文地址：https://arxiv.org/abs/1906.01267
獲獎理由：
提出了一項新的有趣的任務：在文本中通過聯合學習來識別情感及原因。提出一個新的有趣的模型：兩種不同類型的多任務架構，一種是任務獨立的，另一種是交互的。根據相互作用的方向，實現情緒（精確度）或原因（召回）的改善。
二：A Simple Theoretical Model of Importance for Summarization，文本摘要重要性的一個簡單的理論模型
論文作者：Maxime Peyrard
論文地址：https://www.aclweb.org/anthology/P19-1101
獲獎理由：
這篇文章討論了自動文本摘要中長期存在的深層問題：如何衡量摘要內容的適用性？提出了「內容重要性」的三部分理論模型提出了建設性的評估指標文章中還與標準指標和人類判斷進行了比較
三：Transferable Multi-Domain State Generator for Task-Oriented Dialogue Systems，用於面向任務的對話系統的可傳輸的多領域狀態生成器
論文作者：Chien-Sheng Wu, Andrea Madotto, Ehsan Hosseini-Asl, Caiming Xiong, Richard Socher and Pascale Fung
論文地址：https://arxiv.org/abs/1905.08743
獲獎理由：
本文解決了傳統但未解決的問題：對話狀態跟蹤中看不見的狀態；表明可以從用戶話語中生成對話狀態；新方法可擴展到大值集（large value sets）並能處理以前看不見的值；除了展示最先進的結果外，本文還研究了針對新領域的few-shot學習。
四：We need to talk about standard splits，我們需要談談標準的數據集分割做法
論文作者：Kyle Gorman and Steven Bedrick
論文地址：https://wellformedness.com/papers/gorman-bedrick-2019.pdf
獲獎理由：
本文質疑了評估NLP模型時公認且廣泛運用的方法；本文提出了幾種關於數據集的標準拆分方法；本文使用POS標記說明了問題；本文建議系統排名應當基於使用隨機分組的重複評估方法
五：Zero-Shot Entity Linking by Reading Entity Descriptions，通過閱讀實體描述進行零樣本實體連結
論文作者：Lajanugen Logeswaran, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, Jacob Devlin and Honglak Lee
論文地址：https://arxiv.org/abs/1906.07348
獲獎理由：
本文提出了一種新穎的詞義消歧系統，專門用於提高稀少的和未見過的詞上的表現；本文提出的感知選擇任務被視為連續任務，並且使用了資源的組合；本文的結果富有洞察力，並且改善了現有水平。
最佳 Demo 論文獎
OpenKiwi: An Open Source Framework for Quality Estimation
論文作者：Fabio Kepler, Jonay Trenous, Marcos Treviso, Miguel Vera and André F. T. Martins
論文地址：https://arxiv.org/abs/1902.08646
獲獎理由：
這是機器翻譯中第一個可以自由使用的用於執行基於神經的質量估計的框架；包含了WMT 2015-18基準評估中四種最佳質量評估系統的實現；包含了易於使用的API和可復現的實驗。
-END-
專 · 知
專知，專業可信的人工智慧知識分發，讓認知協作更快更好！歡迎登錄www.zhuanzhi.ai，註冊登錄專知，獲取更多AI知識資料！
歡迎微信掃一掃加入專知人工智慧知識星球群，獲取最新AI專業乾貨知識教程視頻資料和與專家交流諮詢！
請加專知小助手微信（掃一掃如下二維碼添加），加入專知人工智慧主題群，諮詢技術商務合作~