NLP到底现在在研究些什么？从ACL2023投稿领域及细分领域看一看_nlp投稿方向

1. 引言

我们经常会被外行人问到，现在自然语言处理到底在研究些什么啊？
也经常会被内行人问到，你是做NLP的吗？你是做哪个方向的？
正好借ACL的调查问卷，梳理一下NLP现在到底都在研究些什么。

2. 熟悉的领域精讲

我以我熟悉的领域抛砖引玉，和ChatGPT一起，给大家大致讲解一下目前各个子领域都在研究些什么。

2.1 Discourse （篇章）

在自然语言处理 (NLP) 领域，篇章分析子领域研究了如何分析和理解自然语言文本中的语言结构和意义。这个子领域包括许多方向，其中一些重要的方向如下:

先行词消歧（anaphora resolution）: 这个方向研究如何在文本中确定一个代词或指示代词指代的是什么。
共指消歧（coreference resolution）: 这个方向研究如何在文本中确定两个或多个名词指代的是同一个实体。
连接消歧（bridging resolution）: 这个方向研究如何在文本中确定一个名词指代的是什么，特别是当这个名词在文本中并没有提到过的时候。
连贯性（coherence）: 这个方向研究如何分析文本中不同部分之间的关系，以确保文本是连贯的。
衔接性（cohesion）: 这个方向研究如何分析文本中不同部分之间的关系，以确保文本是衔接的。
话语关系（discourse relations）: 这个方向研究如何分析文本中两个或多个句子之间的关系。
话语解析（discourse parsing）: 这个方向研究如何建立文本中不同句子之间的关系的模型。
对话（dialogue）: 这个方向研究如何在自然语言对话中处理意图理解、语义解析和对话策略等问题。
谈话（conversation）: 这个方向研究如何分析谈话中的语言特征，例如语言策略、语言风格和社交关系等。
话语与多语言（discourse and multilinguality）: 这个方向研究如何分析多语言文本中的话语结构和意义。
论证挖掘（argument mining）: 这个方向研究如何从文本中提取论证结构和论点。
交流（communication）: 这个方向研究如何分析自然语言交流中的语言特征，例如语言风格、语言策略和社交关系等。

2.2 Summarization （摘要）

在自然语言处理 (NLP) 领域，自然语言摘要子领域研究了如何通过自然语言文本生成一个简短的摘要，以便更快地了解文本的主要内容。这个子领域包括许多方向，其中一些重要的方向如下:

提取式摘要（extractive summarisation）: 这个方向研究如何通过从文本中提取关键句子或段落来生成摘要。
抽象式摘要（abstractive summarisation）: 这个方向研究如何通过自然语言生成模型来生成新的句子来概括文本的主要内容。
多模态摘要（multimodal summarization）: 这个方向研究如何生成摘要时使用多种信息源，如文本、图像、视频等。
多语言摘要（multilingual summarisation）: 这个方向研究如何对多种语言的文本生成摘要。
对话摘要（conversational summarization）: 这个方向研究如何对对话文本生成摘要。
查询驱动摘要（query-focused summarization）: 这个方向研究如何根据用户提供的查询生成相关文本的摘要。
多文档摘要（multi-document summarization）: 这个方向研究如何对多个文档生成摘要，以便更快地了解这些文档的主要内容。
长篇摘要（long-form summarization）: 这个方向研究如何对长篇文本生成摘要。
句子压缩（sentence compression）: 这个方向研究如何生成句子的简短版本，但保留句子的主要意思。
少样本摘要（few-shot summarization）: 这个方向研究如何使用少量样本来训练摘要生成模型。
架构（architectures）: 这个方向研究不同的摘要生成架构，并确定哪种架构对于特定的任务最有效。
评估（evaluation）: 这个方向研究如何评估摘要生成系统的质量，包括如何比较不同系统的性能。
事实性（factuality）: 这个方向研究如何确保摘要中的信息是准确的。

2.3 Dialogue and Interactive Systems （对话系统）

在自然语言处理 (NLP) 领域，对话系统子领域研究了如何设计、实现和评估自然语言对话系统。这个子领域包括许多方向，其中一些重要的方向如下:

口语对话系统（spoken dialogue systems）: 这个方向研究如何设计和实现通过语音交互的对话系统。
评估与指标（evaluation and metrics）: 这个方向研究如何评估对话系统的性能，并提出适用于对话系统的各种指标。
任务导向（task-oriented）: 这个方向研究如何设计对话系统来完成特定的任务。
人在回路中（human-in-the-loop）: 这个方向研究如何设计对话系统，使人类可以参与到对话流程中来。
偏差/毒性（bias/toxicity）: 这个方向研究如何设计对话系统，以便避免偏见或毒性行为的出现。
事实性（factuality）: 这个方向研究如何确保对话系统中的信息是准确的。
检索（retrieval）: 这个方向研究如何设计对话系统，使其能够检索信息。
知识增强（knowledge augmented）: 这个方向研究如何使用知识库或其他知识来增强对话系统的能力。
常识推理（commonsense reasoning）: 这个方向研究如何设计对话系统，使其能够使用常识进行推理。
交互式故事讲述（interactive storytelling）: 这个方向研究如何设计对话系统，使其能够讲述交互式故事。
体现代理（embodied agents）: 这个方向研究如何设计对话系统，使其具有形象化的代理人。
应用（applications）: 这个方向研究如何将对话系统应用于实际场景中，包括聊天机器人、客服机器人等。
多模态对话系统（multi-modal dialogue systems）: 这个方向研究如何设计多模态对话系统，使其能够利用文本、语音、图像等信息进行对话。
有根对话（grounded dialog）: 这个方向研究如何设计对话系统，使其能够根据真实世界的信息进行对话。
多语言/低资源（multilingual / low resource）: 这个方向研究如何设计对话系统，使其能够在多种语言或资源有限的情况下工作。
对话状态跟踪（dialogue state tracking）: 这个方向研究如何设计对话系统，使其能够跟踪对话的状态。
对话建模（conversational modeling）: 这个方向研究如何设计对话系统，使其能够建模对话的语言和语义特征。

2.4 NLP Applications （NLP应用）

在自然语言处理 (NLP) 领域，应用领域研究了如何将 NLP 技术应用于实际场景中，以解决各种实际问题。这个领域包括许多方向，其中一些重要的方向如下:

教育应用（educational applications）: 这个方向研究如何使用 NLP 技术来解决教育领域中的问题，如自动评分、拼写检查等。
英语语言矫正（GEC）: 这个方向研究如何使用 NLP 技术来矫正英语中的语法和拼写错误。
论文评分（essay scoring）: 这个方向研究如何使用 NLP 技术来自动评分论文。
恶意言论检测（hate speech detection）: 这个方向研究如何使用 NLP 技术来检测恶意言论。
多模态应用（multimodal applications）: 这个方向研究如何使用 NLP 技术来解决多模态信息（文本、图像、语音等）的问题。
代码生成和理解（code generation and understanding）: 这个方向研究如何使用 NLP 技术来生成代码或理解代码。
事实核查（fact checking）: 这个方向研究如何使用 NLP 技术来核查事实，以及如何检测谣言或错误信息。
医疗保健应用（healthcare applications）: 这个方向研究如何使用 NLP 技术来解决医疗保健领域中的问题，如自动化病历处理、药物相互作用检测等。
金融/商业 NLP（financial/business NLP）: 这个方向研究如何使用 NLP 技术来解决金融和商业领域中的问题，如自动文档分类、风险检测等。
法律 NLP（legal NLP）: 这个方向研究如何使用 NLP 技术来解决法律领域中的问题，如自动文档摘要、合同分析等。
数学 NLP（mathematical NLP）: 这个方向研究如何使用 NLP 技术来解决数学领域中的问题，如自动证明、公式生成等。
安全/隐私（security/privacy）: 这个方向研究如何使用 NLP 技术来保护数据的安全和隐私。
历史 NLP（historical NLP）: 这个方向研究如何使用 NLP 技术来解决历史领域中的问题，如自动翻译古文件等。
知识图谱（knowledge graphs）: 这个方向研究如何使用 NLP 技术来建立知识图谱，并使用知识图谱来解决实际问题。知识图谱是一种结构化的知识表示方式，由节点和边组成，表示实体之间的关系。知识图谱可以用来进行知识检索、问答、推荐等应用。

3. 全领域列表

当然NLP领域研究的东西实在是太多了，我们这里给出全部的领域分布，由于个人能力和篇幅有限，不能够一一讲解。

3.1 Computational Social Science and Cultural Analytics

human behavior analysis
stance detection
frame detection and analysis
hate-speech detection
misinformation detection and analysis
psycho-demographic trait prediction
emotion detection and analysis
emoji prediction and analysis
language/cultural bias analysis
human-computer interaction
sociolinguistics
NLP tools for social analysis
quantiative analyses of news and/or social media

3.2 Dialogue and Interactive Systems

spoken dialogue systems
evaluation and metrics
task-oriented
human-in-the-loop
bias/toxicity
factuality
retrieval
knowledge augmented
commonsense reasoning
interactive storytelling
embodied agents
applications
multi-modal dialogue systems
grounded dialog
multilingual / low resource
dialogue state tracking
conversational modeling

3.3 Discourse and Pragmatics

anaphora resolution
coreference resolution
bridging resolution
coherence
cohesion
discourse relations
discourse parsing
dialogue
conversation
discourse and multilinguality
argument mining
communication

3.4 Ethics and NLP

data ethics
model bias/fairness evaluation
model bias/unfairness mitigation
human factors in NLP
participatory/community-based NLP
ethical considerations in NLP applications
transparency
policy and governance
reflections and critiques

3.5 Generation

human evaluation
automatic evaluation
multilingualism
efficient models
few-shot generation
analysis
domain adaptation
data-to-text generation
text-to-text generation
inference methods
model architectures
retrieval-augmented generation
interactive and collaborative generation

3.6 Information Extraction

named entity recognition and relation extraction
event extraction
open information extraction
knowledge base construction
entity linking/disambiguation
document-level extraction
multilingual extraction
zero/few-shot extraction

3.7 Information Retrieval and Text Mining

passage retrieval
dense retrieval
document representation
hashing
re-ranking
pre-training
contrastive learning

3.8 Interpretability and Analysis of Models for NLP

adversarial attacks/examples/training
calibration/uncertainty
counterfactual/contrastive explanations
data influence
data shortcuts/artifacts
explanation faithfulness
feature attribution
free-text/natural language explanations
hardness of samples
hierarchical & concept explanations
human-subject application-grounded evaluations
knowledge tracing/discovering/inducing
probing
robustness
topic modeling

3.9 Language Grounding to Vision, Robotics and Beyond

Vision Language Navigation
Cross-modal Pretraining
Image Text Matching
Cross-modal content generation
Vision Question Answering
cross-modal application
cross-modal information extraction
cross-modal machine translation

3.10 Large Language Models

pre-training
prompting
scaling
sparse models
retrieval-augmented models
ethics
interpretability/analysis
continual learning
security and privacy
applications
robustness
fine-tuning

3.11 Linguistic Diversity

less-resourced languages
endangered languages
indigenous languages
minoritized languages
language documentation
resources for less-resourced languages
software and tools

3.12 Linguistic Theories, Cognitive Modeling, and Psycholinguistics

Linguistic Theories
Cognitive Modeling
Computational Psycholinguistics

3.13 Machine Learning for NLP

Graph-based methods
Knowledge-augmented methods
Multi-task learning
Self-supervised learning
Contrastive learning
Generative models
Data augmentation
Word embeddings
Structured prediction
Transfer learning / domain adaptation
Representation learning
Generalization
Model compression methods
Parameter-efficient finetuning
Few-shot learning
Reinforcement learning
Optimization methods
Continual learning
Adversarial training
Meta learning
Causality
Graphical models
Human-in-the-loop / Active learning

3.14 Machine Translation

Automatic Evaluation
Biases
Domain Adaptation
Efficient Inference for MT
Efficient MT Training
Few-shot/Zero-shot MT
Human Evaluation
Interactive MT
MT deployment and maintainence
MT theory
Modelling
Multilingual MT
Multimodality
Online Adaptation for MT
Parallel Decoding/Non-autoregressive MT
Pre-training for MT
Scaling
Speech Translation
Switch-code Translation
Vocabulary Learning

3.15 Multilingualism and Cross-Lingual NLP

code-switching
mixed language
multilingualism
language contact
language change
linguistic variation
cross-lingual transfer
mutlilingual representations
multilingual pre-training
multilingual benchmarks
multilingual evaluation
dialects and language varieties

3.16 NLP Applications

educational applications, GEC, essay scoring
hate speech detection
multimodal applications
code generation and understanding
fact checking, rumour/misinformation detection
healthcare applications, clincial NLP
financial/business NLP
legal NLP
mathematical NLP
security/privacy
historical NLP
knowledge graphs

3.17 Phonology, Morphology, and Word Segmentation

morphological inflection
paradigm induction
morphological segmentation
subword representations
chinese segmentation
lemmatization
finite-state morphology
morphological analysis
phonology
grapheme-to-phoneme conversion
pronunciation modelling

3.18 Question Answering

commonsense QA
reading comprehension
logical reasoning
multimodal QA
knowledge base QA
semantic parsing
multihop QA
biomedical QA
multilingual QA
interpretability
generalization
reasoning
conversational QA
few-shot QA
math QA
table QA
open-domain QA
question generation

3.19 Resources and Evaluation

corpus creation
benchmarking
language resources
multilingual corpora
lexicon creation
automatic creation and evaluation of language resources
NLP datasets
automatic evaluation of datasets
evaluation methodologies
evaluation
datasets for low resource languages
metrics
reproducibility
statistical testing for evaluation

3.20 Semantics: Lexical

polysemy
lexical relationships
textual entailment
compositionality
multi-word expressions
paraphrasing
metaphor
lexical semantic change
word embeddings
cognition
lexical resources
sentiment analysis
multilinguality
interpretability
probing

3.21 Semantics: Sentence-level Semantics, Textual Inference, and Other Areas

paraphrase recognition
textual entailment
natural language inference
reasoning
semantic textual similarity
phrase/sentence embedding
paraphrase generation
text simplification
word/phrase alignment

3.22 Sentiment Analysis, Stylistic Analysis, and Argument Mining

argument mining
stance detection
argument quality assessment
rhetoric and framing
argument schemes and reasoning
argument generation
style analysis
style generation
applications

3.23 Speech and Multimodality

Automatic Speech Recognition
Spoken Language Understanding
Spoken Language Translation
Spoken Language Grounding
Speech and Vision
QA via Spoken Queries
Spoken Dialog
Video Processing
Speech Technologies
Multimodality

3.24 Summarization

extractive summarisation
abstractive summarisation
multimodal summarization
multilingual summarisation
conversational summarization
query-focused summarization
multi-document summarization
long-form summarization
sentence compression
few-shot summarization
architectures
evaluation
factuality

3.25 Syntax: Tagging, Chunking and Parsing

Chunking, Shallow-parsing
Part-of-speech tagging
Dependency parsing
Constituency parsing
Deep Syntax Parsing
Semantic Parsing
Syntax-to-semantic interface
Optimized Annotations or data set for Morpho-Syntax related tasks
Parsing Algorighms (symbolic, theoritical results)
Grammar and knowledge-based approaches
Multi-task approaches (Large definition)
Massively multilingual oriented appraoches
Low-resources languages pos tagging, parsing and related tasks
Morphologically-rich languages pos tagging, parsing and related tasks

3.26 Theme track: Reality Check

right for the wrong reasons
lessons from deployment
(non-)generalizability
(non-)reproducibility
evaluation
methodology
negative results
AI hype & expectations
science-vs-engineering
lessons from other fields
forgotten lessons