ACL 2019錄取結果今天放榜了！就投稿數量來說，這是歷史上最火的一屆NLP頂會，有效投稿達到2694篇，相比去年的1544篇增加了75%。此外，本屆ACL的評審質量也受到頗多吐槽。你的論文入選了嗎？

今天，ACL 2019 論文接收結果終于放榜！

盡管錄取率尚未公布，不過就投稿量來說今年 ACL 大會規(guī)模是史上最大的，錄取難度應該不小。

2018-2019 對于 NLP 領域無疑是一個突破性進展的時期，作為 NLP 領域的學術頂會，今年 ACL 的論文備受關注。

推特上已經有許多作者歡欣鼓舞自己的論文 “中了！” 比如加州大學圣芭芭拉分校王威廉老師所在的自然語言處理組有 9 篇論文被錄取。王威廉也是 ACL 19 機器學習的領域主席。

UC Santa Barbara 自然語言處理組 9 篇論文錄取

本文將列舉一些被接收的論文，供大家參考。

今年以來，幾乎所有 AI 頂會都報告了創(chuàng)紀錄的論文提交數量，包括 AAAI、ICLR、IJCAI 等等。

NLP 領域今年尤其火爆，ACL 2019 出現了史上最大的增長：論文提交數量飆升到 2906 篇，其中有效提交 2694 篇，相比 2018 年的 1544 篇，增長了 75%！

下圖顯示了 ACL 在過去 20 年里的論文投稿情況，包括提交數、評審人數和 SAC 和 AC 的人數。

無疑，這是有史以來最火、規(guī)模最大的一次 NLP 會議。

在介紹 ACL 2019 錄用論文之前，讓我們先看看今年 ACL 的一些數據。

有效投稿2694篇，中美投稿最多

截止到提交截止日期，ACL 2019 收到了多達 2906 份提交論文。這比 ACL 2018 增加了 75% 以上，是ACL 相關會議的歷史記錄！

一下是一些基本的統(tǒng)計數據：

2906 篇提交論文中，有 120 篇被作者撤回，92 篇因重復提交、剽竊或不符合提交準則等問題而被拒絕。

送交評審的是一共2694 篇有效論文，包括 1609 篇長論文和 1085 篇短論文。

每篇論文被分配到 22 個領域中的其中一個進行評審。每個區(qū)域由 2-4 名高級領域主席 (SAC) 領導，以及 3-15 位區(qū)域主席 (AC) 協助。取決于提交論文的數量，不同領域有 59-319 名審稿人。今年 ACL 的項目委員會共有 2256 人：46 位 SAC, 184 位 AC，以及 2026 位審稿人。

下表顯示了每個領域的提交數量 (長論文、短論文和總數)。

其中，投稿最多的 3 個領域與 ACL 2018 相同：

信息提取和文本挖掘(占所有有效提交的 9.2%，ACL 2018 的這一比例為 11.5%。不過，由于今年的會議增加了一個 “應用” 領域，百分比不完全具有可比性)

機器學習(占比 8.2%，2018 ACL 為 7.4%)

機器翻譯(占比 7.7%，ACL 2018 為 8.3%)

此外，對話和交互系統(tǒng)也進入了前 5 大領域。

不過，去年排名第四的文檔分析，今年只排在第 16 位，而去年排名第 14 位的 Generation (去年收到 59 篇投稿)，今年排到了第 5 位，收到 156 篇投稿。

另一個令人驚訝的是語言學理論、認知建模和心理語言學，這個領域顯然越來越受歡迎：去年投稿數是 24 篇，今年增加到 60 篇。

下圖展示了所提交的論文在不同子領域的占比。

論文長度方面，今年的投稿中 60% 是長論文，而去年 66% 是長論文。所以今年短論文更受歡迎。各個子區(qū)域的情況如下：

顯然，短論文比長論文更受歡迎的領域只有一個：應用。

這兩種類型的論文在機器翻譯和標記、分塊、語法、句法分析這幾個子領域的數量接近。

最喜歡長篇論文的領域包括機器學習、視覺、機器人多模態(tài)基礎、語音、對話和交互系統(tǒng) (超過 65% 是長論文)。

最后，關于論文的地理分布，今年 ACL 收到了來自 61 個國家的論文。

只考慮通訊作者的國家的話，不出所料，美國和中國內地的投稿數量領先，投稿數量分別都超過了 700 篇。英國和德國分別以 129 篇和 126 篇排名第三和第四，日本緊隨其后 (120 篇)。

投稿數量Top 20的國家/地區(qū)

審稿質量好壞參半，沒有rebuttal環(huán)節(jié)

如此巨大的投稿量，審稿質量控制又是一大難題。

不過，相比 IJCAI 2019 被吐槽 “宇宙最爛” 的評審質量，奇葩審稿太多而登上知乎熱榜，這次知乎上對 ACL 2019 審稿質量的討論還比較溫和。

比如，有投稿者表示審稿質量很高，“不管是給高分的 reviewer 還是給低分的，說的優(yōu)點缺點都句句在理…… 雖然被拒了但是感覺得到了非常多寶貴的意見。”

一位匿名用戶對ACL 2019審稿質量的評價

也有人認為本屆 ACL 審稿質量嚴重下滑，比如有人批評：“千篇一律模板回復，什么實驗不夠詳細、創(chuàng)新不夠，這幾句話復制粘貼有啥意思？求求你們給意見之前先把文章好好看一下。希望各位 PC 珍視學術環(huán)境，不要再扔文章給本科生或者低年級研究生審稿了?！?/p>

另一方面，今年 ACL 審稿取消了 bid paper 的過程，審稿人要審的稿子都是 AC 給分配的，可能被分配到不感興趣的論文；取消了 rebuttal 環(huán)節(jié)，也就是沒有了作者響應階段，也沒有公開 review。這些可能是導致部分審稿質量不如人意的原因。

不過，ACL 官方對取消 rebuttal 的解釋是：“作者響應階段最開始是審稿流程優(yōu)化的產物，后來被證明耗時巨大（不僅僅作者，還包括審稿人與主席的時間），而且起到的作用很有限。因此，比起作者的回應，我們決定將更多時間和精力投入在促進項目委員會的內部討論上，以確保所有的討論、論文與評審結果都得到領域主席們的充分關注?！?/p>

ACL 2019錄取論文搶先看

由于今年 ACL 對投稿、評審和引用規(guī)則進行了修訂，其中一項是要求匿名投稿論文在投稿截止日期前的一個月內不允許上傳到非匿名預印本平臺（比如 arXiv）；直到論文評審結果公布后才可以公開上傳（揭開匿名）。

因此，盡管不少作者宣布自己的論文被接收了，大部分還沒有公開上傳。

下面我們列舉了從社交媒體收集到的一些錄取論文標題，供讀者參考。

1、Gender-preserving Debiasing for Pre-trained Word Embeddings

2、Relational Word Embeddings

3、leveraging explanations for Commonsense Question Answering

4、Unsupervised Bilingual Word Embedding Agreement for Unsupervised NMT

5、NMT with Reordering Embeddings

6、Sentence-Level Agreement for NMT

7、Lattice-Based Transformer Encoder for NMT

8、Heuristic Authorship Obfuscation

9、Celebrity Profiling

10、Bias Analysis and Mitigation in the Evaluation of Authorship Verification

11、Multi-task Pairwise Neural Ranking for Hashtag Segmentation

https://cocoxu.github.io/publications/ACL2019_HashtagMaster.pdf

12、Learning Word and Sense Representations from a Large Semantically Annotated Corpus with LSTMs

13、An Investigation of Transfer Learning-Based Sentiment Analysis in Japanese

14、Fine-grained spoiler detection from large-scale review corpora

15、Evaluating cross-lingual word embeddings using a graph-based metric

16、Massively Multilingual Transfer for NER on 41 languages

https://arxiv.org/abs/1902.00193

17、Unsupervised Neural Single-Document Summarization of Reviews via 18、Learning Latent Discourse Structure and its Ranking

19、Unsupervised Text Classification Leveraging Experts and Word Embeddings

20、Correlating neural and symbolic representations of language

https://openreview.net/forum?id=ryx35Ehi84