neural が約1.7倍増えていて、ニューラルモデルを利用した研究が前年よりも多いことがわかります。 また、generation, extraction, prediction, framework, end-to-end などの単語が増えているので、基礎研究というよりも言語処理タスクをニューラルモデルで解決する応用研究な論文が増えているようです。たしかに、データセットやベンチマークが用意されている既存タスクに、ニューラルモデルを適用し既存手法よりも高い精度を実現していたものが多かったように感じました。 さらに、knowledge, attention, discourse などの単語が出現する論文では、知識ベースやアテンションモデルをどう対話システムに利用するかというものが多く、今とてもアツい領域なのだとわかります。 もちろん、上記には顕著に現れた傾向のみ挙げていますが、それ以外にも幅
![ACL2017 の論文たちを一言でまとめてみた | CyberAgent Developers Blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/4ad80270b0734cc781f93a2cfc8e459fab7c5f2a/height=288;version=1;width=512/https%3A%2F%2Fdevelopers.cyberagent.co.jp%2Fblog%2Fwp-content%2Fuploads%2F2017%2F08%2Facl_wc_2017_1.png)