ACL2019Tutorial日现场见闻（附TutorialPPT下载）(5)

作为语句意思的高级别向量表征的补充，解析为图表征这样的具有层次化结构且离散的语意表征也从一开始就是NLP研究的重要基石，未来也将继续在自然语言的理解中起到重要作用。这个教学讲座将首先简要回顾正式语意和语言学语意方面的相关背景，然后半正式地为不同的语义图和相关词汇进行统一的抽象定义介绍，接着对比综述常见的基于图的意思表征框架以及现有的图库，最后从技术角度介绍如何选择不同的具有代表性的解析方法。这个教学讲座的最终目的是为不同的语义图库以及对应的解析研究提供一个统一的视角，也就可以为入门水平的自然语言处理开发者和使用者们扫清运用最新技术、最佳用例的障碍。
教学讲座 3: Discourse Analysis and Its Applications，话语分析及其应用
话语处理是从文本中提取多种不同级别的语言学结构的一系列NLP任务，可以用来支持许多文本挖掘应用。它包括在一组对话内容中识别话题结构、识别一致性结构、识别互关联结构以及识别对话结构。提取出的这些结构可以用来推理出文本总结、文章打分、情感分析、机器翻译、信息抽取、问答以及线索重建。
这个教学讲座将首先介绍论述分析中的基本概念：单向文本&对话，同步&非同步对话，以及论述分析中的关键语言学结构。然后将会将会介绍传统的机器学习方法以及一些最新的基于深度学习的方法，并且在评测数据上比较它们的表现。对于提及的每种话语结构，讲座中都会介绍它在下游的文本挖掘任务中的使用，也会详细介绍评价它们的方式和指标。最后还会讨论这个领域未来的挑战以及发展机会。
教学讲座 4: Computational Analysis of Political Texts: Bridging Research Efforts Across Communities，政治文本的计算性分析：沟通不同领域的研究成果
用计算性方法研究政治内容的文本的做法经历了快速发展，如今在政治学研究中也形成了逐渐壮大的“以文本为数据”的研究员群体。NLP方法在许多分析和任务中得到了广泛的使用，包括从文本记录中推测某人的政治立场，检测政治文本中的观点，以及分析政治沟通中的文体运用（比如制定政治议程过程中语意模糊性起到的作用）。政治学研究者们构建了许多资源，并使用一些NLP方法处理文本数据；这个过程很大程度上是独立于NLP研究人员们的。