今年的EMNLP大会在丹麦哥本哈根举行，历时5天好几天。那里这是一个有趣的混合相当技术性的会谈和更高层次的会谈，通常举行或领导的社会科学家谁利用NLP来扩大他们的实验。这方面的一个例子是主讲人丹·朱拉夫斯基（Dan Jurafsky），他介绍了两个实验：警察与白人和黑人交谈的礼貌以及食物的语言。最初的实验是通过查看数据来手动完成的，但是，当然，由于要分析的语音和视频数据太多，关于大数据，手动完成的实验无法扩展。看到这项跨学科的工作以及这种工作和进步对社会和社区的影响，尽管是在人们不知道的背景下发生的，但非常有趣和鼓舞人心。Sharon Goldwater的主旨演讲也清楚地说明了解决语言问题有多少不同的方面，他谈到了语言和语境可以以不同的方式聚集、分割和学习。在问答环节中，莎伦遇到了一位研究人员的陈述，她说她尝试了几十年前提出的一些东西，但放弃了，因为它们无法扩展。莎伦的第一反应是，现在的电脑好多了。当然，她也给出了一个狭隘的答案，但我们应该有动力去解决一些人声称在过去已经没有成功解决的问题，因为是的，从那时起已经发生了很多变化。

除了技术和数学的进步来加速算法或提高精度外，从什么角度来看也是很有趣的不同的作者和演讲者审视问题，收集数据，并评估他们的想法。

例如，有一次谈话是要了解有关环境的事实，比如"大象比蝴蝶大"。如此明显的事实的问题在于，它们很可能没有被写在什么地方。我们人类通过观察我们的环境并将它们与其他概念联系起来来学习这一点。因此，提出的想法是，除了从书面句子中学习事实之外，你还可以把它与视觉元素结合起来，比如你能看到大象和蝴蝶的图像，并认识到它们的大小差异。另一个想法是从互动中学习，云服务市场，例如，如果有人以相似的方式与物品互动，他们必须具有相似的物理属性，例如，我扔钢笔，我扔球，

那么多不同的其他问题和领域是不同课程的主题，所以不可能全部提及。从如何让计算机识别属于同一个词，例如通过注意机制（例如建筑物很大）。它创建于1900年。[它=教会]），如何改进问答系统，如何将机器学习引入小型设备。最后一个主题是由Google Brain团队提出的，他们展示了用非常简单的前馈网络代替复杂的神经网络，在相当小的精度损失的情况下获得20倍的速度提升。

我们的团队成员之一Johannes Rieke，在一次小组讨论中被问及"……未来存储所有世界/事实知识的最佳方式是什么，如知识图或记忆网络？"。台上的专家表示，这仍然是一个开放的和不平凡的问题，以解决在未来。

从组织方面，一个不得不承认，其他会议是在那里，你从你的钱得到更多。例如，NIPS会议的费用较低，早餐、午餐和晚餐都有，公司发言人较多，公司展位质量较高（EMNLP的展位质量相当低）。尽管如此，特别是周日晚上的活动真的很棒，数据分析与大数据，有餐车（虽然看起来不是每个人都有食物）、DJ和焰火——所以还是要感谢组织者的巨大努力。当然，所有发言者的成果和努力都是非常高的，他们应该得到很多尊重。但值得一提的是，在幻灯片以及大学/学术演讲者和公司演讲者之间如何交流知识方面存在质量差异。在我看来，后者的质量更高。值得一提的是，购物返利，大多数内容都是上传的，可以在网上观看，这非常感谢会议组织者的做法和态度，让所有感兴趣的人都参与进来，特别是考虑到一些发言者由于签证问题未能前来（这表明这一点有多么重要）总的来说，免费网站自助建站，这是一个很好的会议，被来自世界各地的人包围总是令人鼓舞的。顺便说一句，讲中文的人和论文的数量非常多，这表明那里的大学在这个问题上投入了大量的精力和精力。这种跨越所有国家、性别、性别和宗教的友好知识交流的活跃氛围让人感觉到，一些人应该时不时地离开权力之家，去参观一个知识（转移）的地方，比如2017年9月7日至11日的哥本哈根会议厅。我们至少会从这次会议和对话中得到一些新的启示