车万翔教授：ACL 2010-2020 研究趋势总结
将门创投本周要跟大家分享的是来自TechBeat社区的一篇优质好文。本文中，车万翔教授从ACL的投稿及录用趋势，到各个研究领域的发展现状，都发表了自己的一些看法，希望对相关领域的研究者能有所帮助！
导读：
2020年5月23日，有幸受邀在中国中文信息学会青年工作委员会主办的AIS（ACL－IJCAI－SIGIR）2020顶会论文预讲会上介绍了ACL会议近年来的研究趋势，特整理成幻灯片配文字版，希望对相关领域的研究者有所帮助。由于视野所限，时间仓促，特别是ACL 2020的录用论文列表刚发布不久，因此统计的数据和得出的结论难免有失偏颇，如有不当之处，还敬请指出。另外，特别感谢组内的多位博士生帮助进行数据整理。
首先来看一下2010年到2020年这11年来，ACL长文的录用情况和趋势，可以看出从2018年开始，投稿和录用的数量急剧上升，说明作为人工智能皇冠上的明珠，自然语言处理领域越来越受到研究界的关注。另外，ACL的录用率多年来基本保持稳定，一直在25％左右。
再来看一下今年录用文章标题的词云，从中可以看出大家关注比较多的任务有生成、翻译、对话、问答、抽取、句法等方向，用到的方法多涉及到神经、网络、注意力、图等。另外，从文章作者的词云可以看出前几名的基本都是中国的大姓，这也反应出华人作者在ACL顶会上已经占据非常大的比例。
为了更直观的了解近年来ACL各个研究领域的变化趋势，我们做了一个领域趋势竞赛图，帮助大家更好地看出各个研究领域此消彼长的变化过程。特别说明的是，我们的领域是参考ACL 2019进行划分的，由于其它年份的领域划分方式不尽相同，我们采用人工的方式进行了映射。另外，由于2020年目前只有文章列表，还没有领域数据，所以也是人工逐篇文章分的类，因此具有一定的主观性，有可能不是特别准确。
从这段视频中，我们可以看到几个非常明显的趋势，比如人机对话等新兴领域上升势头迅猛，而句法分析、机器翻译等传统领域有所衰落。下面，就几个变化比较明显的领域分别加以介绍。
人机对话异军突起
2015年之前，ACL上几乎没有人机对话的文章发表，但是从2016年开始，随着语音识别技术的突破，NLPer开始重视人机对话的研究，今年ACL该方向上的研究重点和研究趋势如下图所示。
机器学习持续热门
可以看到近10年来，机器学习的热度一直居高不下，特别是随着预训练模型的成功，NLP模型大有被大一统的趋势。下面的一些机器学习研究方向为今年ACL所重点关注。
1 2 3 下一页>
