2018年7月15日到20日，计算机语言学的顶级会议 ACL 2018 在澳大利亚的墨尔本召开，7月18日，随着ACL 2018最佳论文奖和终生成就奖的颁奖结束，ACL主会结束，接下来两天则进入Workshop环节。
7 月 19 号到 20 号，将进行 15 场Workshop，其中，19 号有 8 场，20 号有 7场。每场 Workshop，都有不同的主题，统属于计算机语言学领域。
以下是这两天的 Workshop主题：
7月19日
BioNLP 2018 (BioNLP)

计算语言学习和处理的认知层面（Cognitive Aspects of Computational Language Learning and Processing (CogCL）
低资源自然语言处理的深度学习方法（DeepLo，Deep Learning Approaches for Low Resource Natural Language Processing）
多语言表面实现：共享任务及其他（MSR，Multilingual Surface Realization: Shared Task and Beyond）
教育应用自然语言处理技术（NLPTEA，The 5th Workshop on Natural Language Processing Techniques for Educational Applications）
语言学语码转换计算方法（CALCST，hird Workshop on Computational Approaches to Linguistic Code-Switching）
问答中的机器阅读（MRQA，Workshop on Machine Reading for Question Answering ）
NLP神经结构的语言结构相关性（RELNLP，Workshop on Relevance of Linguistic Structure in Neural Architectures for NLP）
7月20日
经济学和自然语言处理（ECONLP，1st Workshop on Economics and Natural Language Processing ）

自然语言处理的表示学习（RepL4NLP，3rd Workshop on Representation Learning for NLP）
人类多模式语言的计算模型（MML_Challenge，First Workshop on Computational Modeling of Human Multimodal Language）
社交网络的自然语言处理（SocialNLP，Sixth International Workshop on Natural Language Processing for Social Media）
神经机器翻译和生成（NMT，The 2nd Workshop on Neural Machine Translation and Generation）
命名实体（NEWS，The Seventh Named Entities Workshop）
自然语言处理开源软件（NLPOSS，Workshop for NLP Open Source Software）
产学协同并进
在 7 月 19 日的 Workshop 中，“问答中的机器阅读”这一主题非常受欢迎，来自Google、百度的工程师，知名教授和一些获得最佳论文奖的学生都到场参加。

在这场 Workshop 中，来自牛津大学(同时也是 Deepmind)的 Phil Blunsom 以及伦敦城市大学的 Sebastian Riedel，Salesforce 研究院的 Richard Socher，微软研究院的高建峰，Facebook AI 研究院的 Antonie Bordes 进行了演讲。此外，今年的最佳论文之一，《A Systematic Classification of Knowlege, Reasoning, and Context within the ARC Dataset》的作者也在这一 Workshop 中讲解。
在演讲过后，Workshop 就到了 Poster 论文讲解展示环节，论文作者们通过海报向参会者解释其作品。在这一环节，雷锋网随机采访了参与了近日 Workshop 的一些学者，他们表示，今年的最佳论文和今明两天的 Workshop 内容更加贴近ACL这一个会议的主题（计算机语言学）。对于新研究的产生，一些业内人士表示，他们并不会马上就使用。新的研究应用到产业中还有很长的路要走。
最后，Workshop以圆桌环节结束，圆桌嘉宾们进行了十分钟左右的讨论环节之后，就进入了自由讨论的环节，在场观众与嘉宾针对目前机器阅读中使用的一些方法了讨论。
在自由讨论环节，有学生向圆桌嘉宾问道：“在校园和产业内，究竟哪个地方更适合做研究？我希望能听到热烈的辩论。”
对于这一问题，圆桌嘉宾们则纷纷表示：“其实在校园和产业内都非常适合做研究。”
在此次ACL会议中，我们也看到了许多科技公司的参与，有的论文也是高校与科技公司合作的。或许这也代表了一种趋势，计算机语言的研究中，学术届和产业界的联系将更加紧密，产业内的数据能够更多地支持学术研究，更多的研究基金将用于支持学术的发展。而产业内的技术，将得到更多学术的、理论上的支持，往更长远的方向发展。
点击文末阅读原文查看 AI影响因子。
┏(＾0＾)┛欢迎分享，明天见！
继续阅读
阅读原文