「自然语言处理（NLP）」你必须要知道的八个国际会议！

    国际学术会议是一种学术影响度较高的会议，它具有国际性、权威性、高知识性、高互动性等特点，其参会者一般为科学家、学者、教师等。具有高学历的研究人员把它作为一种科研学术的交流方式，够为科研成果的发表和对科研学术论文的研讨提供一种途径 ；同时也能促进科研学术理论水平的提高。针对自然语言处理方向比较重要的几个会议有：ACL、EMNLP、NACAL、CoNLL、IJCNLP、CoNLL、IJCNLP、COLING、ICLR、AAAI、NLPCC等

    会议链接地址： ACL

    它是自然语言处理与计算语言学领域 最高级别 的学术会议，由计算语言学协会主办，每年一届。主要涉及对话(Dialogue)、篇章(Discourse)、评测( Eval)、信息抽取( IE)、信息检索( IR)、语言生成(LanguageGen)、语言资源(LanguageRes)、机器翻译(MT)、多模态(Multimodal)音韵学/ 形态学( Phon/ Morph)、自动问答(QA)、语义(Semantics)、情感(Sentiment)、语音(Speech)、统计机器学习(Stat ML)、文摘(Summarisation)、句法(Syntax)等多个方面。

    ACL 成立于1962年， 每年举办一次 。这个学会主办了 NLP/CL 领域最权威的国际会议，即ACL年会。1982年和1999年，ACL分别成立了欧洲分会（[EACL）和北美分会（NAACL）两个区域性分会。近年来，亚太地区在自然语言处理方面的研究进步显著，2018年7月15日，第56届ACL年会在澳大利亚墨尔本举行。开幕仪式上，ACL主席Marti Hearst正式宣布成立国际计算语言学学会亚太地区分会（ AACL ，The Asia-Pacific Chapter of Association for Computational Linguistics）。此次成立ACL亚太分会，将进一步促进亚太地区NLP相关技术和研究的发展。据悉，首届AACL会议预计在2020年举行，此后将每两年举行一次。

    会议链接地址： EMNLP

    EMNLP涉及多个研究方向，其中包括：信息提取、信息检索和问答系统，语言和视觉，语言理论和心理语言学，机器学习，机器翻译和多语言，分割、标记和语法 分析，语义学，情感分析和观点挖掘，社交媒体和计算社交科学，口语处理，概述，生成，论述和对话，文本挖掘和自然语言分析。

    EMNLP也是由ACL主办的，其中ACL学会下设多个特殊兴趣小组（Special Interest Groups )，SIGs聚集了NLP/CL不同子领域的学者，性质类似一个大学校园的兴趣社团。其中比较有名的诸如 SIGDAT（Special Interest Group on Linguistic Data & Corpus-based Approaches to Natural Language Processing）、SIGNLL（Special Interest Group on Natural Language Learning）等。这些 SIGs 也会召开一些国际学术会议，其中比较有名的就是 SIGDAT 组织的 EMNLP 和 SIGNLL 组织的 CoNLL（Conference on Computational Natural Language Learning）， 均为每年举办一次 。

    会议链接地址： NACAL

    NACAL会议主要涉及对话，篇章，评测，信息抽取，信息检索，语言生成，语言资源，机器翻译，多模态，音韵学/ 形态学，自动问答，语义，情感，语音，统计机器学习，文摘，句法等多个方面。

    NACAL是 ACL 的的北美分会，当然也是由 ACL 主办。这里把 NAACL 单独列出来是因为相比于 ACL 的欧洲分会 EACL（之前是 每三年举办一次 ，过去存在感不太强，据说从2020年开始将改为每年举办，相信会逐渐被大家重视起来），NAACL 是 每年举办一次 ，就目前而言，大家对它的认可度比 EACL 高。ACL、EMNLP、NAACL 均为每年举办一次。因为是同一学术组织举办，所以会有些有意思的潜规则。例如 ACL、EMNLP 会在各大洲轮流举办，而每当ACL在北美举办时，当年NAACL就停办一次（同理，当ACL在欧洲举办时，当年EACL就停办一次）。

    会议链接地址： CoNLL

     SIGDAT 组织的 EMNLP 和 SIGNLL 组织的 CoNLL（ Conference on Computational Natural Language Learning），均为每年举办一次。其中CoNLL的主要涉及的方向有：对话与互动系统、信息提取、信息检索，问题回答、从认知角度研究学习方法(如机器学习、生物启发、主动学习、混合模型)、语言模型、分割、词汇语义和成分语义、语言理论与资源、用于NLP的机器学习、机器翻译、语言学中的归纳法和类比法、词法分析、词性标注和序列标注等。

    会议链接地址： COLING

    COLING会议主要涵盖的方向有：信息提取、信息检索和问答系统；机器学习；机器翻译；分割、标记和语法 分析；语义学；情感分析和观点挖掘；社交媒体和计算社交科 学；口语处理；对话生成；文本挖掘等。

    COLING 全称 International Conference on Computational Linguistics，1965年开办，它是由老牌 NLP/CL 学术组织 ICCL(The International Committee on Computational Linguistics) 组织的， 每两年举办一次 。不过可能由于不是每年举行，感觉最近几次会议的质量起伏比较大，从认可度上也确有被EMNLP赶超的趋势。

    会议链接地址： ICLR

    ICLR主要发表深度学习各方面的前沿研究，其中涵盖人工智能、统计学和数据科学以及机器视觉、计算生物学、语音识别、文本理解、游戏和机器人等重要应用领域。

    ICLR由Yann LeCun 和 Yoshua Bengio 等大牛发起，会议开创了公开评议机制（open review），但在今年取消了公开评议，改为双盲评审。它是一个很年轻的会议，今年举办到第6届，但已经成为深度学习领域不容忽视的重要会议，甚至有深度学习顶会“无冕之王”之称。ICLR也是世界上发展最快的人工智能会议之一，今年将有4000多名参会者。

    会议链接地址： AAAI

    AAAI是人工智能领域的主要学术会议，由美国人工智能促进协会主办。AAAI 成立于 1979 年，最初名为 “美国人工智能协会” （American Association for Artificial Intelligence），2007 年才正式更名为 “人工智能促进协会”（Association for the Advancement of Artificial Intelligence ）。致力于促进对思维和智能行为机制及其在机器中的体现的科学理解。AAAI旨在促进人工智能的研究和负责任的使用。AAAI还旨在提高公众对人工智能的理解，改善人工智能从业者的教学和培训，并就当前人工智能发展的重要性和潜力以及未来方向为研究规划者和资助者提供指导

    近年的 AAAI 会议不乏中国学者的身影，据统计 AAAI 2018 接收的 910 多篇论文中有1/3以上一作是华人名字。此外，2019 年 AAAI 程序主席是南京大学周志华教授，另一位程序主席是密歇根大学教授 Pascal Van Hentenryck。

会议链接地址： NLPCC

    NLPCC主要涉及的方向有：分词和命名实体识别、句法分析、语义分析、语篇分析、面向少数民族和低资源语言的NLP、自然语言处理的应用、数字出版、文档工程、OCR和字体计算、用于移动计算的NLP、机器翻译和多语言信息访问、NLP的机器学习、Web/文本挖掘与大数据、信息检索与提取、知识表示与获取、个性化与推荐、用于搜索和广告的NLP等

    作为自然语言处理和汉语计算领域的国际领先会议，NLPCC最近被CCF确认为C类会议。它为来自学术界、工业界和政府的研究人员和实践者提供了一个主要论坛，以分享他们的想法、研究成果和经验，并促进他们在该领域的研究和技术创新。NLPCC历届会议分别在北京(2012)、重庆(2013)、深圳(2014)、南昌(2015)、昆明(2016)、大连(2017)、呼和浩特(2018)、甘肃（2019）成功举办。

    ACL、EMNLP、NAACL 和 COLING 可以说是 NLP 领域的四大顶会。其中 ACL、EMNLP、NAACL都是一家的（均由 ACL 举办）。ACL 、AAAI是 CCF 推荐A类国际学术会议，EMNLP 和 COLING 是B类，NAACL 、CoNLL、NLPCC则是C类。

更多自然语言处理、pytorch相关知识，还请关注 AINLPer 公众号，极品干货即刻送达。

这是计算机世界的一个尚未开发的前沿：将各种人类情感转化成实实在在的数据。

起源

虽然之前也有一些相关工作，但目前公认的情感分析比较系统的研究工作开始于（Pang et al, 2002）基于监督学习（supervised learning）方法对**评论文本进行情感倾向性分类和（Turney,2002）基于无监督学习（unsupervised learning）对文本情感情感倾向性分类的研究。Pang et al, 2002）基于文本的N元语法（ngram）和词类（POS）等特征分别使用朴素贝叶斯（Naive Bayes），最大熵（Maximum Entropy）和支持向量机（Support Vector Machine，SVM）将文本情感倾向性分为正向和负向两类，将文本的情感进行二元划分的做法也一直沿用至今。同时他们在实验中使用**评论数据集目前已成为广泛使用的情感分析的测试集。（Turney ,2002）基于点互信息（Pointwise Mutual Information，PMI）计算文本中抽取的关键词和种子词（excellent,poor）的相似度来对文本的情感倾向性进行判别（SO-PMI算法）。在此之后的大部分都是基于（Pang et al, 2002）的研究。而相对来说，（Turney et al,2002）提出的无监督学习的方法虽然在实现上更加简单，但是由于单词之间的情感相似度难以准确的计算和种子词的难以确定，继续在无监督学习方向的研究并不是很多的，但是利用SO-PMI算法计算文本情感倾向性的思想却被很多研究者所继承了

双子座性格情感解析

　双子座性格情感解析，星座其实和中国古代的天干地支有些相似之处，星座的浪漫之处就在于它是太阳路过的痕迹，这是其他星座无法拥有的技能，运势并不等于算命，关于双子座性格情感解析的知识。

双子座性格情感解析1

　在十二星座当中，每个星座都有每个星座不同的性格特征。有的星座性格比较鲜明，似乎用一个词语就能够轻易概括，比如说处女座的人往往挑剔，白羊座的人往往冲动等。然而，却还有一些星座，他们的性格却让人捉摸不透，甚至经常让人怀疑这是不是一个人。

　 感情上：或许嘴上说爱你，但心里并不这么想

　跟双子座的人谈恋爱，其实是很需要勇气的，因为会爱得很深，也会伤得深。一方面，他们的幽默，可爱和创意，真的会给人一种如沐春风的感觉，会让人忘记生活当中的烦恼。然而，他们的不靠谱，不守信用，三心二意，经常会让人觉得难以忍受。这就是他们双面人的特质之一。

　不仅如此，他们还经常言不由衷。或许嘴上说爱你，但是心里并不这么想，或者并没有爱得那么深。只不过想跟你玩一场爱情游戏，或者想要征服你罢了。

　 生活上：曾经承诺过的事，一转眼就会忘光光

　在日常生活当中，双子座对自己的朋友好像没有很上心，因为他们承诺过的事情，总是会忘记，并且明目张胆地为自己放鸽子的行为辩护。但是，在你需要他们的时候，他们又会千里迢迢赶过来，为你带来正能量。之前还说好不能帮你忙，一转眼就把事情完美地处理完毕。

　所以说，双子座的个性很贱，明明当你是好朋友，却老是损你。而对自己不喜欢的人，他们也可以笑脸相迎，但是最终目的是以最优雅的方式来打到对方。这在工作上面表现得最明显。

　 工作上：经常分不清自己说的到底是不是真心

　许多人都觉得，双子座的人其实是一个乐天派，也从来不会掩藏自己的情绪，所以他们能够活得很快乐。许多时候，确实如此，双子座们不愿意让一些没有必要的事情来影响自己的心情。但是在工作上，外表看似吊儿郎当的双子座，其实还是比表面上要付出得多得多。

　如果没有经过深入的学习和努力，即使脑洞再大，他们也不可能有什么好创意。但是他们从来不想别人说这些，面对讨厌自己和自己讨厌的人，他们也会笑脸相迎，最终凭借实力打倒对方。

双子座性格情感解析2

　 双子座情感分析

　 双子座的理想情人

　你是好奇心强要求多的人。你对一切要求都多，因好奇心强,故会一下想要这个，一下想做那个，并以此为乐。唯有话题丰富。兴趣广泛。交游广阔的人，才能令你满足，宜选这种对象。虽然这种人是大众偶像，但唯有这种类型才能令你动心。

　 你的理想对象是热情而诚实的人

　 与双子座的恋爱要诀

　头脑运转灵敏,致使被他人误认为是危险人物，惟对这种人的爱情，另有秘诀，禁忌静待，亦不可操之过急，赤裸的显现，应采以缓兵战策，让他无可奈何为妙。

　 男性的性格、感情和爱情生活

　从容不迫，和蔼可亲。常给人以永远是局外人的印象。永无休止的求知欲和好奇心，敦促着他生活的脚步，激励他不断追求和探索。然而，他很少有时间去实现这一切。

　这是个迷人的和有些异想色彩的人。喜欢瞬息万变，不喜欢永恒持久。当他把迷人的和弦弹得恰到好处的时候，他会悄然离去，到别处去吸引新的“听众”。他的智力天赋在他的身上表现突出。他善于动脑筋想办法，是一个愿望多变，适合从事脑力劳动的干才。他的体质脆弱，对爱情常常疑虑重重，喜欢用讽刺作为保护自己的武器。生活中他最需要的是广大的听众，而不是全力以赴的爱情。

　他的记事本上写满了有用的地址，懂得人情世故，容易赢得别人的信任和厚爱。这一切都归功于他的艺术家性格。双子座的男性擅长辞令，诙谐幽默，他的出现很快能使谈话气氛热烈起来，和他在一起永远不会感到寂寞。相反，离开朋友、伙伴或者频繁的社交活动，他就会感到生活茫然若失。

　双子座的男性一般不愿意承担家庭生活的责任，而喜欢过“一身轻”的生活。一旦他结了婚，家庭将成为热烈的聚会和无休止的谈话场所。他希望生活是无忧无虑的，工作时间是不受约束的。在这些条件之下，他会表现出模范丈夫的许多优秀品质。

　生辰星位在人马座的女性会与他广博的情趣同步，适应他无拘无束的性格。

　天秤座的女性感情细腻，富有激情，热情好客，喜欢交际，她会丰富双子座男性的生活意境。

　水瓶座的女性有创新精神，智力天赋较强，友谊的信念坚定，她是双子座男性事业上的得力而可靠的助手。

　 女性的性格、情感和爱情生活

　这是一个富有异国情调和魅力的女性。思想境界开阔，内心充满着美好的幻想，她的情感犹如一部优美的随想曲。

　聪明伶利，有些神经质。内心总是闪耀着美好、欢乐、幸福、爱情和理想的火花。她希望自己永远置身在无忧无虑的乐园中，喜欢用紧张的工作，频繁的活动来驱散自己的烦恼。很容易唤起别人的倾慕心，但她的感情并非垂手可得。一句话就可能触动她的心弦，一点小事也会使她扬长而去。如果能很好地掌握她的性格特点，预测她的反应，那么不难使她对你倾心相与。

　双子座的女性理智很强，善于运筹错综复杂的形势并能在关键时刻作出自己正确的抉择。她期待美好的爱情所带来的欢乐。一般说，双子座的女性会有丰富的爱情生活，尤其是当金星在双子座的时候。

　这一座的女性不喜欢平淡无味的家庭生活。她希望生活的内容丰富多采，千变万化：经常出去散步、郊游或旅行，开阔一下眼界，换换生活环境，结识些新的朋友和陶冶一下性情，这些是她生活中不可缺少的一部分，也是她保持高昂情绪的基础。她开朗的性格会感染周围的人。过度的勤奋、劳累或烦恼，常会使她疲惫不堪，力不从心。

　射手座的男性会给她的生活带来新的气息。他们之间建立起来的家庭将是充实的、自由的和浪漫的。经常会有亲朋好友的光顾。

　与天秤座的男性结合，有助于她艺术才能的发挥，或者进入高层次的社会生活。

　如果与宝瓶座的男性结合，她的生活内容会发生质的变化。她将经常出入知识界，结识学者和名人。

国内自然语言处理学者众多，很难一一枚举。我就简单罗列一下我们系的几位相关老师，方便大家了解。都是我随便写的，没有字斟句酌，排名也不分先后，如有疏漏和错误多请指出，不要见怪。:)孙茂松教授：早年以中文分词研究成果闻名，计算机系人智所自然语言处理课题组（THUNLP）的学术带头人，是国内自然语言处理唯一的一级学会、中国中文信息学会副理事长，研究兴趣比较广泛，涵盖中文信息处理、社会计算、信息检索等。马少平教授：计算机系人智所信息检索课题组（THUIR）的学术带头人，是中国人工智能学会副理事长，研究兴趣偏重搜索引擎，为本科生上《人工智能导论》必修课，深受欢迎。朱小燕教授：计算机系智能技术与系统国家重点实验室（即人智所）主任，信息获取课题组的学术带头人，研究兴趣偏重问答系统、情感分析、文档摘要等。

李涓子教授：计算机系软件所知识工程课题组的学术带头人，研究兴趣偏重知识图谱与知识工程。研制推出的XLORE是国内屈指可数的大规模知识图谱。唐杰副教授：数据挖掘领域的青年学者，主要研究社会网络分析、社会计算和数据挖掘，也会做一些自然语言处理研究。刘洋副教授：自然语言处理领域的青年学者，主要研究统计机器翻译。我有幸跟刘洋老师一个办公室，非常佩服他的学术品味、工作态度和为人。张敏副教授：信息检索领域的青年学者，主要研究推荐系统与情感分析。是信息检索与数据挖掘的著名会议WSDM 2017的PC主席。刘奕群副教授：信息检索领域的青年学者，主要研究搜索引擎用户的行为建模，近年来用眼动手段开展研究工作，得到较多的学术关注。是信息检索顶级会议SIGIR 2018的PC主席。朱军副教授：机器学习领域的青年学者，主要研究统计机器学习，也会在自然语言处理和知识获取等方面做一些研究，例如比较有名的StatSnowball，MedLDA等。

监督学习

目前，基于监督学习的情感分析仍然是主流，除了（Li et al,2009）基于非负矩阵三分解（Non-negative Matrix Tri-factorization），（Abbasi et al,2008）基于遗传算法（Genetic Algorithm）的情感分析之外，使用的最多的监督学习算法是朴素贝叶斯，k最近邻（k-Nearest Neighbor，k-NN），最大熵和支持向量机的。而对于算法的改进主要在对文本的预处理阶段。

基于规则/无监督学习

和基于监督学习的情感分析相比，基于规则和无监督学习方面的研究不是很多。除了（Turney,2002）之外，（朱嫣岚 et al,2002）利用HowNet对中文词语语义的进行了情感倾向计算。（娄德成 et al,2006）利用句法结构和依存关系对中文句子语义进行了情感分析，（Hiroshi et al,2004）通过改造一个基于规则的机器翻译器实现日文短语级情感分析，（Zagibalov et al,2008）在（Turney,2002）的SO-PMI算法的基础上通过对于中文文本特征的深入分析以及引入迭代机制从而在很大程度上提高了无监督学习情感分析的准确率。

跨领域情感分析

跨领域情感分析在情感分析中是一个新兴的领域，目前在这方面的研究不是很多，主要原因是目前的研究还没有很好的解决如何寻找两个领域之间的一种映射关系，或者说如何寻找两个领域之间特征权值之间的平衡关系。对于跨领域情感分析的研究开始于（Blitzer et al,2007）将结构对应学习（Structural Correspondence Learning，SCL）引入跨领域情感分析，SCL是一种应用范围很广的跨领域文本分析算法，SCL的目的是将训练集上的特征尽量对应到测试集中。（Tan et al,2009）将SCL引入了中文跨领域情感分析中。（Tan2 et al,2009）提出将朴素贝叶斯和EM算法的一种半监督学习方法应用到了跨领域的情感分析中。（Wu et al,2009）将基于EM的思想将图排序（Graph Ranking）算法应用到跨领域的情感分析中，图排序算法可以认为是一种迭代的k-NN

情感分类是与情绪情感有关问题的归类；情感分析是对情感情绪问题的见解与认识。

《计算机科学》 2010年07期

情感分析与认知 李维杰

摘要：分析了情感分析的3个主要步骤,包括文本情感获取与表达、文本情感分类与计算以及文本情感分析的应用。情感分析得到的结论主要是对相关观点的摘要、对相关事件态度的预测或者统计等,但这些结论都没有发挥文本情感在认知中的作用。为了将情感分析应用于认知科学,提出了情感由情感信号和情感实体组成的观点。情感信号主要是指情感的一些形式载体,比如心跳加速、脸红等这些人体内外的某些表现,表达情感的文字、、声音等这类媒体。情感实体主要是指人类对情感形成的一种共识,比如爱、恨、憎恶、高兴、羞愧、嫉妒、内疚、恐惧、焦虑等与人的意识相关联的部分。同时提出了在人工智能中利用情感信息的设想。这对于模拟情感对认知的影响具有一定的意义。

--------粘贴内容，其他未知，抱歉。

计算情感分析得分函数是预处理文本数据。

1、预处理文本数据，如去除停用词、标点符号等，进行分词和词性标注，将文本转化为计算机可处理的形式。

2、构建情感词典或使用现有的情感词典，将文本中的词语与情感词典进行匹配，计算文本中包含正面、负面和中性情感词汇的数量和权重。

3、根据算法模型，计算文本的情感极性得分，通常使用的是情感极性得分的加权平均值或者概率值。

在国外提出情感分析的概念是指意见挖掘。在国外提出情感分析的概念是指通过自然语言处理、文本挖掘、计算机语言学等技术手段，对文本中的情感信息进行分析和判断，以了解文本作者的情感倾向和态度。情感分析技术最初是应用于英语等欧美语言的研究中，后来随着中文信息处理技术的发展，也被广泛应用于中文文本分析领域。