8月7日至12日赴德国柏林参加了ACL（国际计算语言学大会），有所收获，杂记如下。开会地点洪堡大学。这是德国语言学的重镇，洪堡是语言学界出了名的大牛，人文精神、语言、民族、文化的论述非常精彩。洪堡兄弟的座像屹立在大学门口，分别代表了人文与科学，这与ACL语言与计算的主旨相得益彰。

来自加州大学的Amber Boydstun教授的主题演讲，她不是NLP领域的大牛，但引进了语言学家Lakoff的Tone和Framing理论，进行基于网络语料的计算机处理技术。虽然技术方面不够前沿，但是对语言学理论的运用是亮点，说明计算语言学大会对语言学理论的重视，希望更多地将语言学和其他学科的理论和方法引入NLP。

第二天的主题演讲是爱丁堡大学的Mark Steedman，他介绍了分布语义学，区分了基于collocation和denotation的两种方法，在神经网络模型的技术实现下，探讨了在QA、机器翻译、知识图谱等领域的应用。语义、神经网络皆为当前研究热点，该报告获得了在场观众的较大反响。

今年的终身成就奖颁给了斯坦福大学Joan Wanda Bresnan教授，以表彰她在词汇功能语法上的工作。她 1966 年本科毕业于里德学院哲学系，1972 年获得麻省理工学院语言学博士学位（指导老师是乔姆斯基）。她曾在马萨诸塞大学阿默斯特分校、麻省理工学院和斯坦福大学担任教职，现在是斯坦福大学的人文荣誉退休 Sadie Dernham Patek 教授及斯坦福大学语言与信息研究中心（CSLI）高级研究员。她是词汇功能语法（ lexical-functional grammar）的主要设计者之一。与乔姆斯基不同，她将统计方法引入语言学研究，并对语言类型学颇感兴趣。1999年担任美国语言学会会长。

最佳论文是 E. DarioGutierrez （加州大学伯克利分校）、Roger Levy（MIT）和 BenjaminK. Bergen（加州大学圣迭戈分校）的《FindingNon-Arbitrary Form-Meaning Systematicity Using String-Metric Learning forKernel Regression》（使用字符串度量学习进行核回归以寻找非任意性的形式-意义系统）

最佳学生论文是英国剑桥大学工程系的 Pei-HaoSu, Milica Gasic, Nikola Mrksic, Lina Rojas-Barahona, Stefan Ultes, DavidVandyke, Tsung-Hsien Wen, Steve Young 的《On-line Active Reward Learning for Policy Optimisation inSpoken Dialogue Systems》（用于口语对话系统中策略优化的在线主动奖励学习）

这两篇论文体现了统计学习模型用于NLP依然是学界的重心。

在会议的其他时间里，旁听了semantic parsing的session，这个领域依然存在较大不同，分析技术有CCG+logic form，lamda，AMR等几种，个人还是倾向于AMR，对CCG没有好感。甚至不明白为何CCG受到一些人的追捧。

我自己投稿并参加的workshop是linguistic annotation workshop（语言标注）。这次会议的报告的内容多为标注一致性问题，某种特殊语料的标注方法问题等。在会上与一些学者进行了交流，感觉到AMR并不为大家所了解，还有很多工作值得做。

可惜由于会议只被批准六天，第一天的tutorial和最后一天的workshop都没能听到，只能通过网站材料自学了。

这次会议最大的收获在于，了解了学界发展的方向。统计学习方法成了绝大多数paper的核心内容，而神经网络算法更是占据了主流技术范。我自己算法不精，觉得更新很快。计算机背景的学者感觉累，新的模型不断涌现，不停地引进和调参，大有疲劳感，感慨“追不动了”。可我觉得更新速度快是好事，说明算法在不断地改进，效果也在不断提升。计算语言学就是需要新的方法（主要是算法）来解决计算问题。而目前的算法距离语义分析、理解和生成都很遥远。现在的算法很不合格，需要根据自然语言处理对算法提出定义和要求，而不是今天从机器学习领域引入个算法，明天从计算数学那边来一个算法。稀里糊涂，模模糊糊，只要结果好一点点，就可以造就一篇好paper。

另外，语言学的式微不能只靠特邀主题报告来象征性的拯救一下，需要语言学家自己去更新知识构成，做出真正的语言计算研究。说来容易，做起来的话，则可以在语言资源、语义表示、语义理论上多下功夫。就像Hinton研究神经网络一样，信仰和坚持才能有所成就。不管是神经网络的热潮还是低潮，都在坚持自己认为正确的方向，天天摇摆，一事无成。