实验室新闻 EMNLP 2018参会汇报

EMNLP 2018（2018 Conference on Empirical Methods in Natural Language）于2018年10月31日至11月4日在比利时布鲁塞尔举办。该会议是自然语言处理国际会议中顶级的会议，属于CCF B类会议。中山大学数据科学与计算机学院18级博士生郭达雅同学以第一作者的论文有幸被会议接收，被邀请参会，并带来了他的分享。

·会议介绍

今年的会议相较于去年，投稿量提高了46%，参会人数也提高超过了100%，今年接收到的投稿量为2231篇，其中有549篇（24.6%）被接收，因此参会和展示的人员比较多。

会议安排了六场tutorial，包括自然语言处理中的联合模型，图的语义表示，深度隐层变量模型等热门话题。其中一场主要介绍了隐层变量的含义及其作用，并且讲解如何将隐层变量运用到深度模型。该讲座全面的介绍了隐层变量，在各个领域上（如生成，文本摘要等领域）都取得了较好的效果，是目前一个比较热门的研究方向，相关的资料也可在官网http://emnlp2018.org找到。

·参会报告

中山大学数据科学与计算机学院18级博士生郭达雅同学的论文“Question Generation from SQL Queries Improves Semantic Parsing”被接收，并在大会作了海报展示。

该论文主要利用问题生成模型提高神经语义解析器的性能，并在小数据量的条件下能使语义解析器达到目前先进的效果。由于效果性能比较好，框架也易于理解，很多人对该海报产生兴趣。在海报展示的过程，一些研究人员和企业人员讨论该工作，他们不仅提出有价值的问题而且也提出了许多前瞻性的建议，让我受到启发，使我能够在未来的研究中能够考虑这些问题，并把研究做得更好。

这次会议主要有两部分，分别是海报展示和口头报告，由于他们是并行进行的，所以在很多时候，需要有一定的取舍。在海报展示的过程中，我首先会把所有的论文初步看一遍，然后对于感兴趣的论文，会跟作者进行更加深的讨论，可以增加自己的知识，也能认识更多人。而对于口头报告，我也看到了许多有趣的工作，其中也看到我校其他同学优秀的工作，比如使用常识进行推理问答等。

此论文受到国家自然科学基金，国家自然科学-基金-广东联合基金和广东省大数据分析与处理重点实验室的支持。

·参会感想

总的来说，感触最深的一点是：参与会议的过程中，多跟其他研究人员进行交流沟通，可以打开自己的视野。而且目前研究速度也很快，工作的质量越来越高，因此我们需要时刻提醒自己要做出有创新，高质量的工作。最后，EMNLP 2019将在明年11月3日于中国香港举行，欢迎大家踊跃投稿。