ACL 2020終身成就獎花落愛丁堡篇章分析女教授，時間檢驗獎表彰25年前經典
新智元報道
來源：ACL 2020
編輯：舒婷
【新智元導讀】北京時間7月6日晚，ACL頒布了終身成就獎、傑出服務獎以及時間檢驗獎。終身成就獎頒給了愛丁堡大學的教授Bonnie Webber，傑出服務獎頒給了多倫多大學的Graeme Hirst教授，時間檢驗獎項則分為1995Winners和2010Winners，頒給了四篇論文。
北京時間7月6日，ACL 頒布了終身成就獎、傑出服務獎以及時間檢驗獎。
畢業於哈佛，曾任教於愛丁堡大學的教授Bonnie Webber獲得了終身成就獎，曾任ACL財務總管的多倫多大學的Graeme Hirst教授獲得了傑出服務獎。時間檢驗獎項則分為1995Winners和2010Winners，頒給了四篇論文：
? ?
時隔兩年，愛丁堡信息學院再添一位ACL終身成就獎
ACL組委會說，終身成就獎頒給 Bonnie Webber，以表彰她在篇章分析研究領域的卓越成就 。這位優秀的計算語言學家出生於1946年，是愛丁堡大學語言、認知和計算研究所的名譽教授。值得一提的是，Bonnie Webber和2018年ACL終身成就獎得主Mark Steedman屬於一個學院——愛丁堡信息學院。
由於此次ACL採用線上虛擬會議的模式，因此Bonnie Webber在家中發表了終身成就獎的演講，鼓勵年輕學者投入科研，解決領域內許多未解決的問題。
? ?
? ?
1978年，Bonnie Webber在哈佛大學拿到博士學位後，和Bill Woods在Bolt Beranek and Newman一起工作。之後她被聘任為賓夕法尼亞大學教授，在賓夕法尼亞工作了許多年。直到1988年，她搬到愛丁堡，並於2016年從愛丁堡大學退休，同時她也被被學校聘請為名譽教授。
? ?
? ?
Bonnie Webber也備受計算機語言學會的青睞。1980年，Bonnie Webber擔任計算機語言學協會主席，2012年被授予ACL Fellow，以表彰她在語篇結構和基於話語的解釋方面的重大貢獻。除此以外，1991年Bonnie Webber成為AAAI的Fellow，2004年她當選愛丁堡皇家學會院士。
同時，她還參與編寫了《計算機圖形動畫與控制》、《話語理解要素》、《人工智慧讀本》和《自然語言處理讀本》幾本計算機語言學相關的書籍。
Bonnie Webber獲獎引發熱議，許許多多研究人員通過推特對她表達祝賀，並讚賞她在計算機語言學的成就。
? ?
傑出服務獎頒給ACL財務總管
傑出服務獎的獲得者是多倫多大學的計算機科學教授Graeme Hirst。
? ?
Graeme Hirst的研究領域是計算語言學和自然語言處理。他曾獲得加拿大人工智慧協會頒發的兩項卓越教學獎和終身成就獎。
? ?
? ?
2008年-2017年間，Graeme Hirst擔任了ACL的財務總管，並在2019年被授予ACL Fellow。ACL主席Hinrich Schutze在頒獎時表揚了Graeme Hirst為ACL所做出的的貢獻，讓ACL近些年的財務十分穩定，並且保證了之前線下大會的順利開展。
時間檢驗獎：無論時隔25年或是10年，經典論文依舊熠熠生輝
1995Winners
1、Centering: A?Framework for Modeling the Local Coherence of Discourse.
https://www.aclweb.org/anthology/J95-2003.pdf
? ?
這篇文章探討了語篇中注意焦點、指稱表達方式的選擇和話語的連貫性之間的關係。在此基礎上，提出了一個中心理論框架和初步理論，旨在對注意力狀態的局部成分進行建模。本文考察了局部連貫與指稱用語選擇之間的相互作用；本文認為，在特定的注意狀態下，連貫性的差異在一定程度上對應著不同類型指稱的推理要求。結果表明，中心理論模型的注意狀態屬性可以解釋這些差異。
? ?
? ?
獲獎理由：該論文是計算對話（computational discourse）領域非常重要的一篇論文，融合了理論語言學，心理語言學和形式語言學，其理論在現今仍然影響遠大。
2、Unsupervised Word?Sense Disambiguation Rivaling Supervised Methods.
https://www.aclweb.org/anthology/P95-1026.pdf? ? ?
? ?
這篇論文提出了一種用於語義消歧的無監督學習演算法。當在無注釋的英語文本上進行訓練時，該演算法的性能，可以與需要費時費力注釋的有監督技術相媲美。該演算法基於兩個強大的約束：單詞、片語在每個語篇中往往只有一種意義。測試中，這個演算法精度超過96%。
? ?
? ?
獲獎理由：該論文將語言學假設與無監督學習相結合，是一種開創性的工作。同時，展示了統計範疇的數據驅動技術在NLP中的強大作用。監督學習和非監督學習，標記數據與否，都是現今仍然流行的討論主題。
2010Winners
3、Distributional Memory: A General Framework for Corpus-based Semantics.
https://www.mitpressjournals.org/doi/pdf/10.1162/coli_a_00016
? ?
這篇論文提出了一個分布記憶框架，作為「一個任務，一個模型」方法的替代方法，這個框架可以在任務之間共享相同的分布信息。廣泛的測試表明，針對同一問題，分散式記憶實現的性能更具競爭力，並且是可靠的。
? ?
? ?
獲獎理由：該論文對於提倡辭彙語義的通用目的學習，是一項開拓性研究。並且，文中提出了自監督預訓練方法（就像word2vec、BERT中應用的）。促進了計算語義學、認知建模和語言學理論的嚴謹性。
4、Word Representations: A Simple and General Method for Semi-supervised Learning.
https://www.aclweb.org/anthology/P10-1040.pdf
? ?
這篇論文以現有的有監督NLP系統為例，利用無監督詞表徵作為額外的詞特徵，以提高準確率。作者評估了三種方法對NER和chunking的影響，使用接近SOTA的監督baseline，發現三個詞表徵法都提高了這些baseline的準確性。通過結合不同的單詞表徵，作者發現了進一步的改進。
? ?
? ?
獲獎理由：該論文將向量表徵用於自然語言處理任務，引發了學術界巨變，具有里程碑意義。在提出詞嵌入的思想上早了大約五年的時間，先於word2vec、Glove等論文。論文的思想在如今的NLP佔據中心地位，並在多種NLP任務上做了徹底、細緻的評估，得到了出乎意料的結果。
