||
NLPR | “多语言表示与自然语言处理”主题征稿
Natural Language Processing Research即将出版一期主题为“多语言表示与自然语言处理” (Multilingual Representations for NLP)的特刊。本期特刊客座编辑为:
Steffen Eger – 达姆施塔特工业大学, 德国
Li Dong – 微软研究院, 中国
Chi-kiu Lo - 国家研究委员会, 加拿大
Gözde Gül Şahin - 达姆施塔特工业大学, 德国
Johannes Bjerva - 哥本哈根奥尔堡大学,丹麦
Pushpak Bhattacharyya - 印度理工学院孟买分校, 印度
投稿截止时间为2021年3月20日,欢迎各位专家学者赐稿。征稿启事如下:
1. Aims & Scope
近年来,关于静态和语境化的跨语言文本表示在自然语言处理(NLP)中的应用研究十分热门,因为它们支持多种语言的文本处理,同时只能访问一种语言中的标记数据。引入多语言文本表示还允许将结果泛化到英语之外,这是深入理解NLP方法的能力和局限性的先决条件--因此,多语言表示可以作为宣称NLP技术通用性的更好的测试平台。除了工程目标外,跨语言表示对语言学研究也很有用,例如,它们可以从历史的角度来量化语言之间的距离。
本期特刊邀请您就NLP中多语言和跨语言文本表示的各个方面发表文章。除了标准的零射跨语言文本分类转换外,重点还在于跨语言表示的挑战性应用场景,例如将其用作没有人工参考的机器翻译评估指标的基础(无参考评估指标)以及涉及(非常)低资源语言和距离较远的语言对。此外,跨语言表示和新基准的分析也是我们的关注点之一。
2. Main Topics and Quality Control
本期特刊的征稿主题涵盖领域广泛,包括但不限于:
基于跨语言表示的机器翻译评估指标(无参考评估)evaluation metrics for MT based on cross-lingual representations (“reference-free evaluation”)
评估低资源语言和远距离语言对的跨语言表示形式(evaluation of cross-lingual representations for low-resource languages and highly-distant language pairs)
多语言和跨语言表示的可解释性(explainability and interpretability of multi- and cross-lingual representations)
跨语言和多语言表示的新分析(Novel analyses of cross-lingual and multilingual representations)
通过跨语言表示来衡量语言相似度(Measuring language similarity from cross-lingual representations)
从多语言表示中预测缺失的语言学特征(Predicting missing typological features from multilingual representations)
在最少的监督下将表示形式扩展到新的语言和任务(Extending representations to new languages and tasks with minimal supervision)
自我监督的跨语言表征学习(self-supervised cross-lingual representation learning)
零语或少语跨语言迁移,以帮助理解和生成语言(zero-shot or few-shot cross-lingual transfer for language understanding and generation)
自动大型多语言语料库挖掘(automatic large-scale multilingual corpus mining)
多语言应用程序的经济高效注释(cost-effective annotation for multilingual applications)
用于培训或评估跨语言表示的资源(resources for training or evaluating cross-lingual representations)
新的跨语言和多语言基准(novel cross-lingual and multilingual benchmarks)
由于多语言表示与自然语言处理涉及的研究范围很广,因此或许有些符合本特刊征稿要求的重要主题并没有被列出。如果您不确定您的文章是否适合,欢迎您与客座编辑Steffen Eger (eger@aiphes.tu-darmstadt.de) 联系。
所有提交的论文都将进行严格的同行评审,并应当满足以下标准:
1. 原创性研究成果;
2. 与本期特刊主题关系紧密;
3. 具有一定的应用潜力;
4. 如文中包含实验,请在文中阐述实验详细信息;
5. 如所提交论文为已发表会议论文的扩展版,需确保有40%以上实质性新增内容。
3. Important Dates
Submission of papers | 20 March 2021 |
Notification of review results | 20 April 2021 |
Submission of revised papers | 07 May 2021 |
Notification of final review results | 28 May 2021 |
4. Guest Editor
Steffen Eger https://steffeneger.github.io/
Dr. Eger是德国达姆施塔特工业大学的独立研究组组长。他对NLP的深度学习,尤其是对论点挖掘的深度学习以及跨语言和跨时间的方法有着广泛的兴趣。他最近的研究兴趣还包括文本表示的评估和文本生成系统的评估指标。在过去的四年中,他在领先的NLP会议EMNLP,ACL,NAACL和COLING上发表了20多篇论文。他曾是ACL 2018的计划主席助理,并担任EACL 2021的区域主席。他是EMMNLP 2020和2021的第一和第二Eval4NLP研讨会的组织者,该研讨会关注评估指标背景中的单一语言和跨语言文本表示形式。
Gözde Gül Şahin https://gozdesahin.github.io/
Gözde Gül Şahin博士是德国达姆施塔特工业大学计算机科学系普适知识处理(UKP)实验室的博士后研究员。她的研究囊括自然语言处理和机器学习领域。她的研究兴趣包括计算语义和针对多语言和低资源环境的深度学习。她已在伊斯坦布尔技术大学(İTÜ)计算机工程系完成了对形态丰富语言的语义分析的博士学位。在攻读博士学位期间,她访问了爱丁堡大学的语言,认知和计算研究所(ILCC)。她在NLP和AI顶会和Top期刊上发表过文章(例如ACL,EMNLP,AAAI,NAACL,CL)。她是EMNLP 2021的第一届多语言表示学习研讨会的联合组织者,该研讨会的重点是促进低资源NLP的推广。
Li Dong http://dong.li/
Li Dong博士是Microsoft Research自然语言计算小组的高级研究员,从事大规模语言模型的预训练。在加入Microsoft之前,Li Dong曾就读于爱丁堡大学和北京航空航天大学。 Li Dong曾担任EMNLP-19,EMNLP-20,NAACL-21,ACL-21和IJCAI-21的高级PC的区域主席。Li Dong博士获得了ACL-18最佳论文荣誉奖,并在2019年AAAI / ACM SIGAI博士论文奖中获得亚军。
Chi-kiu Lo http://chikiu-jackie-lo.org/home/
Chi-kiu Lo博士是加拿大国家研究委员会数字技术研究中心多语言文本处理团队的研究人员。她的研究兴趣是多语言自然语言处理,特别关注机器翻译(MT)中的语义,质量评估和估计。她设计了统一的机器翻译质量评估和评估指标YiSi,该指标在第四次机器翻译会议(WMT-19)指标共享任务中,将36个评估集中的34个最佳或最佳统计学与人类联系在一起。 Chi-kiu Lo博士是WMT-20上的英语新闻翻译共享任务的组织者。她还曾担任EMNLP-19的多样性和包容性委员会的联席主席,以及ACL-20的机器翻译和多语种地区的联席主席。
Johannes Bjerva https://bjerva.github.io/
Johannes Bjerva博士是丹麦奥尔堡大学(哥本哈根校园)的计算机科学系的助理教授(终身)。他曾担任EACL-21的区域主席,并在NLP / AI顶会和顶级期刊(例如ACL,EMNLP,EACL,AAAI,NAACL,CL)上发表过文章。他的研究通常通过多语言和多任务学习将语言类型学与参数共享相结合来处理低资源语言。在过去的几年中,他研究了计算类型学并回答了类型学研究的相关问题并于近期组织了一项由SIGTYP主持的关于预测WALS中类型学特征的共享任务。
Pushpak Bhattacharyya https://www.cse.iitb.ac.in/~pb/
Bhattacharyya教授是印度理工学院计算机科学与工程系教授。 Bhattacharyya教授的研究领域是自然语言处理,机器学习和AI(NLP-ML-AI),他在自然语言处理的各个领域发表了350多篇研究论文,他是教材《机器翻译》的作者,通过大量的印度语言示例阐明了机器翻译的所有范式。他最近合著的两本专著Investigations in Computational Sarca和Cognitively Inspired Natural Language Processing- An Investigation Based on Eye Tracking描述了NLP和ML的前沿研究。 Bhattacharyya教授是印度国家工程院(FNAE)研究员和Abdul Kalam国家研究员。由于对科学的持续贡献,他获得了科学技术部颁发的Manthan Award, IIT Bombay 和VNMM Award of IIT Roorkey Patwardhan,他也是IIT Kharagpur的杰出校友。
5. Submit Your Paper
所有论文都必须通过Editor Manager在线提交和同行评审系统进行提交。该系统将为您提供详细导航,逐步指导您完成相关信息和文件的上传。所有手稿必须使用英语。
该杂志的在线提交站点请访问https://www.atlantis-press.com/journals/nlpr/author-guidelines. 请注意,如果这是您首次向Natural Language Processing Research 提交文章,则需要首先注册为该系统的用户。
注意:在提交论文之前,请确保先阅读该期刊的作者指南(https://www.atlantis-press.com/journals/nlpr/author-guidelines)。
6. About the Journal
自然语言处理研究(Naturnal Language Processing Research, eISSN 2666-0512)是一本国际化的,经过严格同行评审的开放获取期刊,涵盖有关计算语言学和自然语言处理的所有领域。
本刊由北京理工大学李侃教授担任主编,中科院自动化所宗成庆研究员和美国华盛顿大学Emily M. Bender担任顾问委员,来自6个国家的13位世界一流科学家担任编委。
该期刊为原创性高质量的自然语言处理领域的学术研究提供了一个开放平台,旨在加深我们对这些领域基本问题的理解。NLPR上的文章通常比会议论文长,尤其关注研究方法或其理论意义。因此,本刊特别欢迎那些在其方法设置和/或理论基础方面很强的研究。除了所有文章的常规质量标准(如实质性内容、原创新和贡献意义),扎实的评价和高质量的分析是实验论文的最低要求。更多期刊主题详见:https://www.atlantis-press.com/journals/nlpr/aims-and-scope。
NLPR采用开放获取的出版形式,由作者保留版权。所有文章经过同行评审接收后,不收取任何费用。现已开放Editorial Manager线上投稿平台:
https://www.editorialmanager.com/nlpr/default.aspx。欢迎广大学者赐稿!
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-10-19 21:54
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社