该论文针对命名实体识别任务提出了一种新颖的解决方式，并入选ACL 2017 Outstanding Papers。传统的命名实体识别方法是将该任务转换为一个序列标注的问题，本文不再从序列标注的角度出发，而是采用一种对输入文本中的文本片段分类的方式识别实体。该论文通过固定窗口的方式获得输入文本中的各片段，然后利用片段的上下文背景信息及片段本身信息对片段进行实体分类。该方法在几个公开的实体识别数据中获得了最优结果。此外，相比于序列标注的方式，该方法可以有效解决重叠实体的问题。

关于腾讯AI Lab NLP团队

自然语言处理（Natural Language Processing，简称NLP）赋予计算机通过自然语言文本与外界交互的能力。NLP中心使命是追踪和研究最前沿的自然语言文本理解和生成技术，并孵化下一代自然语言处理技术与商业应用场景。目前团队有10位基础研究科学家，其中大多拥有国内外知名院校的博士学位，在学界或工业界科研经历丰富。同时在应用探索上，NLP中心与腾讯多个应用工程师团队及国内外高校及实验室紧密合作。

在前沿研究上，NLP中心正致力于打造一个文本理解引擎，实现基于语义分析、知识推理和统计机器学习相结合的深度文本理解。开放域人机对话是NLP领域目前最艰巨的任务之一，NLP中心正在打造一个开放域人机对话引擎（Open-Domain Conversation Engine），通过深度理解自然语言提升回复质量，并允许用户定制不同性别和语言风格的聊天机器人。研究人员结合深度学习技术和NLP研究热点，取得了诸多创造性的成果，研究成果被近期多个相关顶级会议和刊物录用，包括ACL会议论文3篇，EMNLP会议论文7篇，及TASLP期刊论文1篇。

在应用探索上，NLP中心特别注重研究与具体产品间的交互。其文本理解、文本生成、对话和翻译等技术应用到了公司诸多产品中，提升产品智能化以更好服务用户。研究人员还积极从产品实际需求中发现新的NLP问题，为学术界提供更丰富的研究课题和场景。

本届ACL腾讯AI Lab被收录的三篇论文包括：

论文一：Modeling Source Syntax for Neural Machine Translation

论文二：Chunk-Based Bi-Scale Decoder for Neural Machine Translation

论文三：Deep Pyramid Convolutional Neural Networks for Text Categorization

一分钟了解ACL 2017

ACL（国际计算机语言协会年会，Meeting of the Association for Computational Linguistics）是计算语言学里最重要的国际会议，今年是第55届，于7月30日到8月4日在加拿大温哥华举办。会议涵盖生物医学、认知建模与心理语言学、交互式对话系统、机器翻译等各个领域。

在评估会议的学术影响力指标上，本次会议均创新高 —— 论文有效提交数1318 篇，包括751 篇长文和 567 篇短文。录取数为 195 篇长文（18%）、104 篇短文（25％）与22 篇杰出论文（ 1.6%）。而在新发布的2017谷歌学术指标中，ACL是计算机语言学和自然语言处理领域排名最高的国际学术年会。

整个会议期共 367 个报告，长文将展示 14 分钟，短文 12 分钟，密度为历届最高。并首次举办了关注女性研究群体的「WiNLP Workshop」，及可代为照顾儿童的「KiddleCorp」，方便已为人父母的研究者参会。

录取论文涉及领域占比最高的五类是：信息提取检索与问答、文档分析和自然语言处理应用（23.4%）、语义（12.1%）、机器翻译（8.2%）、机器学习（7%）、生成与总结（6.5%）。而投稿热度增长最快的领域为对话和交互系统（59.7%）、机器人视觉基础（41.9% ）与机器学习（ 34.4%）。

腾讯AI Lab主任张潼介绍到，「ACL早期利用语法和规则分析自然语言，90年代后，随着以LDC（Linguistic Data Consortium）为代表的自然语言数据集建立扩充，统计自然语言方法在计算语言学里作用越来越大并成为主流。2000年后随着互联网高速发展及以自然语言为核心的人机交互方式兴起，自然语言研究被赋予极高应用价值。」

腾讯AI Lab副主任俞栋认为，「自然语言的理解、表达、生成和转换一直是自然语言处理的核心问题。近年来有很多新的解决思路和方法。今年的ACL涉及自然语言处理的各方面，尤其在语义解析、语义角色标注、基于语义和语法的自然语言生成、机器翻译和问答系统方向上都有一些有趣的工作。」