ACL2019Tutorial日现场见闻（附TutorialPPT下载）(6)

同时，NLP研究人员们也研究了许多非常相近的任务，比如选举结果预测、思想分类、立场检测。这两群研究者们互相之间几乎没有什么了解，NLP研究人员们几乎不知道政治学中的这些有趣的应用场景，政治学家们也不知道有哪些最新的NLP方法可以用来解决他们的问题。这个教学讲座将会全面展示政治文本的计算性分析这一领域的研究成果，也会介绍NLP研究人员们目前在相关&类似任务上的研究进展。
教学讲座 5: Wikipedia as a Resource for Text Analysis and Retrieval，把维基百科作为文本分析和检索的资源
维基百科中由众多网友们参与贡献形成的文章不仅反映了大众或者说网民们越来越广泛的兴趣，也很可能是目前为止最大的公开的、去中心化的非结构化或者半结构化知识库。这个教学讲座分析了维基百科作为一个文本库，能在文本分析和检索中起到什么样的作用。维基百科能起到积极作用的文本分析任务包括共指解析、字义及实体去模糊以及信息提取。
对于信息检索任务，对于查询指令的结构和意义有更好的理解，也可以帮助更好地匹配文档查询、聚合查询结果、为热门实体的查询提供知识检索。这个教学讲座将会对比维基百科与其他人工收集的知识库的特性以及优缺点，将会介绍把维基百科中的半结构化数据转换为结构化数据后的导出资源，以及介绍维基百科及其导出资源在文本分析以及增强信息检索中能起到的作用。
教学讲座 6: Deep Bayesian Natural Language Processing，深度贝叶斯自然语言处理
这个教学讲座将会介绍用于自然语言处理的深度贝叶斯学习的发展，以及它在语音识别、文本总结、文本分类、文本分割、信息提取、图像描述生成、句子生成、对话控制、情感分类、推荐系统、问答、机器翻译等等许多任务中的广泛应用。传统上，我们用“深度学习”形容推理和优化过程基于真实值的确定性模型，然而单词、句子、实体、动作以及文档中提取出的“语意结构”可能无法用数理逻辑或者计算机程序准确地表达或者正确地优化。在离散或者连续隐变量自然语言模型中的“分布函数”可能是无法适当地分解或者预测的。
这个教学讲座介绍了统计模型和神经网络的基础知识，并将重点讲解一系列高级的贝叶斯模型以及深度模型。这些模型之间的联系、能在自然语言的许多符号化表示和复杂模式中发挥作用的原因也会得到介绍。教学讲座的内容还包括：为了解决复杂模型的优化问题而提出的变化推理和采样方法，把词表征、句表征、聚合和协作聚合与语言学限制、语意限制相结合，为了分别解决深度贝叶斯学习和理解中的不同问题而进行的案例研究，以及讨论未来研究的一些方向和展望。