在9月9日自然语言处理领域顶级会议 EMNLP 2017的开幕式上，大会主席Martha Palmer向我们展示了一系列关于EMNLP 2017的论文录取情况。
总的来说，这次会议共收到有效投稿论文1466篇，收录的有323篇，录取率约为23%。
其中长论文共有895篇初始投稿，被审核了836篇，收录216篇，接收率大约占26%。短论文的初始投稿共有614篇，被审核585篇，收录107篇，相比长论文接收率较低，只有18%。整体来说，总共有1509篇初始投稿，审核了1418篇，收录323篇，接收率约23%。此外大会还收录了9篇TACL论文。
在提交的全部论文中，如果按关键字来给这些论文分类的话，分别选取神经网络、深度学习、信息提取、语义学、文本挖掘、机器翻译、表示学习、语义相似、文本分类等9个关键字。其中神经网络和深度学习相关的论文数量远远超过其他几类，分别在400篇以上（共占全部的约2/3），而其他几类则都在100-200篇之间。这和今年其他几场计算机领域的国际大会的分类比例类似，也说明了神经网络和深度学习方面的研究具有非常高的热度。（注意图中表示的是全部审核论文）
而另一方面，如果按提交的领域来分，大概有12个领域：
1、信息提取、信息检索和问答系统（information Extraction，information Retrieval and question Answering）
2、语言和视觉（Language and Vision）
3、语言理论和心理语言学（Linguistic Theories and Psycholinguistics）
4、机器学习（Machine Learning）
5、机器翻译和多语言（Machine Translation and Multilinguality）
6、分割、标记和语法分析（Segmentation、Tagging and Parsing）
7、语义学（Semantics）
8、情感分析和观点挖掘（Sentiment Analysis and Opinion Mining）
9、社交媒体和计算社交科学（Social Media and Computational Social Science）
10、口语处理（Spoken Language Processing）
11、概述，生成，论述和对话（Summarization，Generation，Discourse and Dialogue）
12、文本挖掘和自然语言分析（Text Mining and NLP Applications）
在这些领域中，信息提取、检索和问答系统被录取的论文篇数稍多，约有50篇；其他领域则依次递减，最少的如文本挖掘和自然语言分析，录取论文只有3篇。但整体来说每个领域的录取比例大约都在20%左右。
此外，就323篇录取论文，如果按国别来分类，则能看出一个非常有意思的现象。如上图所示，美国有约130篇论文录取，其次是中国有50多篇，在然后是主办国（今年的EMNLP在德国哥本哈根召开）德国20多篇；其他国家如英国、日本、法国、印度、爱尔兰、加拿大、意大利等都只有十多篇或数篇。这说明在自然语言处理这个领域，美国和中国是两个研究中心。之所以这样，其实和中、美两国应用市场的需求有极大的关系。
相比于ACL（Association of Computational Linguistics）这个计算机语言学/自然语言处理方面最好的会议来说，从论文提交数量上来看，EMNLP与之不相上下，甚至逐渐有超越它的趋势。有了数量自然就会有质量，由此也可以反映出EMNLP大会的质量也变得越来越高。
本文作者：camel
本文转自雷锋网禁止二次转载，原文链接