等了一年，總算等到這個會議了，很幸運參加這個會議。
這幾天伯城是典型的英國雨天，又冷又溼，完全沒有夏天的樣子。
與會總人數大概在300人左右，cl界的巨擘基本都到了，有老一代的如Bill Louw，Susan Hunston，Douglas Biber等等，也有中生代的Tony Mckarney，Stefan T. Gries，Stefan Evert，David Evans， 更年輕的如Andrew Hardie。
因爲是志願者，所以錯過了Susan的pleanary speech，後來我師兄Ben說，那場非常不錯，老太太又有新想法，非常深刻。
因爲是志願者，所以沒有辦法選擇聽什麼，坐在那個hall裏，來誰，將什麼，聽什麼。
第一個session有空閒，去旁邊的hall聽一位臺灣政治大學的PhD講collocation，她研究challenge這個詞，按照她的理解，以往研究collocation只關注動詞，或者名詞，似乎沒有系統性的研究。而她的研究是受一個學生的錯誤啓發的，那個學生寫了這麼一句話：It's really challenging to get sleep... 一般而言change變化位形容詞後，word preference趨向於positive，所以這個句子就非常有意思了。她研究了change做動詞，名詞，還有變化爲形容詞後左右不同的word preference。感覺偏傳統的路綫，整體思路比較清晰。
第二個session乖乖滾回自己的hall做helper，聽了來自比利時Ghent大學的一位學者的講座，講的是研究教師在課堂上用於提醒學生注意的表達方式。所用的corpus是Thompson & Nesi開發的BASE，分析了160個課堂錄音文本，平均每個文本有其次這樣的提醒，統計顯示，英國的老師最愛用the point is that這個pattern。很細的題目，不過研究手法還是比較保守的。
第三個session是來自聖彼得堡州立大學的一位學者，研究俄語演講中的一些指代用法。因爲目標語言是俄語，而與會者中俄羅斯學者很少，所以她的演講基本沒有收到什麼回饋。感覺她的統計很強，用了各種手法做數據，不過解釋得不是很清楚。
下午第一個session是來自日本關西大學的一位學者，研究的是英國主流報紙的不同style。這個project可能是她的PhD dissertation的一部分，所以她整個的slide有八十多頁，開會前才臨時刪的，講了大概四十多頁。講得非常快，但她的口音有點重，估計下面的聽衆沒幾個聽明白。個人對這個topic比較感興趣，因爲這個題目偏language evaluation，所以挺好玩的。她把數據歸爲positive和negative兩個category，然後研究高頻pattern，呵呵，這一部和sentiment analysis類似。她的研究結果是各家報紙有不同的語言風格，比如Guardian偏向於用數據說話，力求客觀，我昨天的感覺和她恰好相符，嘿嘿。感覺她花了很多功夫在數據上，材料紮實，研究也充分。但個人感覺她在做positive/negative categorization不是很嚴謹，也難怪，畢竟sa也不能很好地解決這個問題，所以做到她這樣的程度也不錯了。
第二個session是來自法國布列塔尼大學的一位學者，他希望改進目前的word sketch技術以適應法語的研究。他的手法偏NLP和ML，希望用他們來完善目前的word sketch技術。提到了Bag of words這個模型，對它評價不高（做linguistics的對它評價都不高，只有cs的傢伙對它讚譽有嘉...）。還提到了surface discourse phenomena這一現象。他的training set是LeMonde《世界報》，按照他的介紹，他的改進確實提高了word sketch在法語的準確率。不過chair後面問了一個問題很有價值，word sketch這個技術原來是針對英語開發的，所以所有的結果都是基於英語的，而這位法國學者的數據是法語的，所以這樣的比較有些牽強。
第三個session是來自德國杜伊斯堡-埃森大学的一位學者的講座，他的題目是關於lesbian和gay在dating時不同建議的差異。他希望利用四個gay/lesibian問答網站的數據作爲樣本，從而考察具體的區別。整個研究還在起步階段，但話題非常有趣，所以吸引了大批的聽衆，以至於後面的問答環節也極其火爆。大家的想法非常一致，where is the suitable reference corpus？反覆地討論這一問題，非常有啓發性。
coffee break之後的第一個session是來自巴基斯坦白沙瓦大學的一位學者，介紹Pushto語的corpus建設。Pushto的書寫結構和阿拉伯語類似（不一定準確，我不懂這兩門語言，只是看起來他們使用類似的字母體系），整個會場估計也就他懂這門語言，所以對這個題目感興趣的聽衆似乎不多，有點尷尬地冷場。不過還是很欽佩這位學者的勇氣，在最好的會議上展示這麼小衆的topic真不容易。
第二個session是一個合作項目，是我的一位老師和兩位加拿大學者的合作研究。研究五本醫學學刊中的被動語態的使用變化。其中兩本學刊在投稿說明中強調儘量使用主動語態，而另外三本並沒有。他們希望對比研究這些變化對於讀者理解的影響。我的這位老師做數據非常強，所以他展示了用R做的各種digram，非常漂亮。整個研究非常有趣，這一投稿說明帶來的變化很明顯，五種學刊中，論文的method和result的變化最大，而intro和discussion部分幾乎不受影響。他們發現這一變化似乎影響讀者的理解，不過這個還需要做更多的樣本研究。
第三個session是來自謝菲爾德大學的一位學者，他研究英語中的tempol relations，希望講TimeBank中的這些表達方式能夠模型化，爲將來的automatic recognition提供算法。估計這位是學計算機出身的，slide使用Beam做的，很清晰。按照他的理解，英語中表達時間概念的用法有很多類，大致有五種：tense & aspect, world knowledge, discourse structure, specific time, explicit expression。所以將這些全部識別不是件容易的事，先前的準確性大概在60～70%之間。整個題目很細，角度也很新，把我導師也吸引過來了。所以這個研究其實非常能代表現在英語cl的發展趨勢，研究細化，爲computational linguistics提供具體的語言學支持。
第四個也是今天最後的那個session是來自加拿大阿爾伯塔大學的一位學者。他研究的是英語中的synonym，利用了R中的polytomonous包做數據分析，整個講座幾乎都在講數據分析。STG跑來聽這場，chair是Stefan Evert，所以三人在問答環節討論甚歡...
一天聽下來的感覺是，英語cl向細化，數據化發展，corpus作爲工具的重要性越來越明顯。雖然大家都有數據，但怎麼利用數據才是最大的問題。
可憐中文cl呢？
0 comments:
Post a Comment