2023计算机领域顶会(A类)以及ACL 2023自然语言处理（NLP）研究子方向领域汇总

Posted 汀、

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了2023计算机领域顶会(A类)以及ACL 2023自然语言处理（NLP）研究子方向领域汇总相关的知识，希望对你有一定的参考价值。

2023年的计算语言学协会年会（ACL 2023）共包含26个领域，代表着当前前计算语言学和自然语言处理研究的不同方面。每个领域都有一组相关联的关键字来描述其潜在的子领域， 这些子领域并非排他性的，它们只描述了最受关注的子领域，并希望能够对该领域包含的相关类型的工作提供一些更好的想法。

1.计算机领域顶会(A类)

会议简称主要领域会议全称官网截稿时间会议时间
CVPR2023计算机视觉The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2023https://cvpr2023.thecvf.com/2022.11.112023.6.18
ICCV2023计算机视觉IEEE International Conference on Computer Visionhttps://iccv2023.thecvf.com/2023.3.82023.9.30
ECCV2022计算机视觉European Conference on Computer Visionhttps://eccv2022.ecva.net/-------2022.10.23
AAAI2023人工智能National Conference of the American Association for Artificial Intelligencehttps://aaai-23.aaai.org/2022.8.82023.2.7
IJCAI 2023人工智能National Conference of the American Association for Artificial Intelligencehttps://ijcai-22.org/#2022.8.82023.2.7
NIPS2023机器学习International Joint Conference on Artificial Intelligencehttps://neurips.cc/Conferences/20222023.012023.07
ICML 2023机器学习International Conference on Machine Learninghttps://icml.cc/2023.012023.06.24
ICLR 2023机器学习International Conference on Learning Representationshttps://iclr.cc/Conferences/20232022.09.212023.05.01
ICSE 2023软件工程International Conference on Software Engineeringhttps://conf.researchr.org/home/icse-20232022.09.012023.05.14
SIGKDD 2023数据挖掘ACM International Conference on Knowledge Discovery and Data Mininghttps://kdd.org/kdd2022/index.html2023.022023.08
SIGIR 2023数据挖掘ACM International Conference on Research and Development in Information Retrievalhttps://sigir.org/sigir2022/2023.012023.07
ACL 2023计算语言Association of Computational Linguisticshttps://www.2022.aclweb.org/2022.112023.05
ACM MM 2023多媒体ACM International Conference on Multimediahttps://2023.acmmmsys.org/participation/important-dates/2022.11.182023.6.7
WWW2023网络应用International World Wide Web Conferencehttps://www2023.thewebconf.org/2022.10.62023.05.01
SIGGRAPH 2023图形学ACM SIG International Conference on Computer Graphics and Interactive Techniqueshttps://s2022.siggraph.org/2023.012023.08
CHI 2023人机交互ACM Conference on Human Factors in Computing Systemshttps://chi2023.acm.org/2022.09.082023.04.23
CSCW 2023人机交互ACM Conference on Computer Supported Cooperative Work and Social Computinghttps://cscw.acm.org/2023/2023.01.152023.10.13
CCS 2023信息安全ACM Conference on Computer and Communications Securityhttps://www.sigsac.org/ccs/CCS2022/2023.012023.11
VLDB 2023数据管理International Conference on Very Large Data Baseshttps://www.vldb.org/2023/?submission-guidelines2023.03.012023.08.28
STOC 2023计算机理论ACM Symposium on the Theory of Computinghttp://acm-stoc.org/stoc2022/2022.112023.06

2.ACL 2023自然语言处理（NLP）研究子方向领域汇总

（一）计算社会科学和文化分析 (Computational Social Science and Cultural Analytics)

  1. 人类行为分析 (Human behavior analysis)
  2. 态度检测 (Stance detection)
  3. 框架检测和分析 (Frame detection and analysis)
  4. 仇恨言论检测 (Hate speech detection)
  5. 错误信息检测和分析 (Misinformation detection and analysis)
  6. 人口心理画像预测 (psycho-demographic trait prediction)
  7. 情绪检测和分析 (emotion detection and analysis)
  8. 表情符号预测和分析 (emoji prediction and analysis)
  9. 语言和文化偏见分析 (language/cultural bias analysis)
  10. 人机交互 (human-computer interaction)
  11. 社会语言学 (sociolinguistics)
  12. 用于社会分析的自然语言处理工具 (NLP tools for social analysis)
  13. 新闻和社交媒体的定量分析 (quantiative analyses of news and/or social media)

（二）对话和交互系统 (Dialogue and Interactive Systems)

  1. 口语对话系统 (Spoken dialogue systems)
  2. 评价指标 (Evaluation and metrics)
  3. 任务型 (Task-oriented)
  4. 人工介入 (Human-in-a-loop)
  5. 偏见和毒性 (Bias/toxity)
  6. 事实性 (Factuality)
  7. 检索 (Retrieval)
  8. 知识增强 (Knowledge augmented)
  9. 常识推理 (Commonsense reasoning)
  10. 互动讲故事 (Interactive storytelling)
  11. 具象代理人 (Embodied agents)
  12. 应用 (Applications)
  13. 多模态对话系统 (Multi-modal dialogue systems)
  14. 知识驱动对话 (Grounded dialog)
  15. 多语言和低资源 (Multilingual / low-resource)
  16. 对话状态追踪 (Dialogue state tracking)
  17. 对话建模 (Conversational modeling)

（三）话语和语用学 (Discourse and Pragmatics)

  1. 回指消解 (Anaphora resolution)
  2. 共指消解 (Coreference resolution)
  3. 桥接消解 (Bridging resolution)
  4. 连贯 (Coherence)
  5. 一致 (Cohesion)
  6. 话语关系 (Discourse relations)
  7. 话语分析 (Discourse parsing)
  8. 对话 (Dialogue)
  9. 会话 (Conversation)
  10. 话语和多语性 (Dialugue and multilinguality)
  11. 观点挖掘 (Argument mining)
  12. 交际 (Communication)

（四）自然语言处理和伦理 (Ethics and NLP)

  1. 数据伦理 (Data ethics)
  2. 模型偏见和公正性评价 (Model bias/fairness evaluation)
  3. 减少模型的偏见和不公平性 (Model bias/unfairness mitigation)
  4. 自然语言处理中的人类因素 (Human factors in NLP)
  5. 参与式和基于社群的自然语言处理 (Participatory/community-based NLP)
  6. 自然语言处理应用中的道德考虑 (Ethical considerations in NLP)
  7. 透明性 (Transparency)
  8. 政策和治理 (Policy and governance)
  9. 观点和批评 (Reflections and critiques)

（五）语言生成 (Generation)

  1. 人工评价 (Human evaluation)
  2. 自动评价 (Automatic evaluation)
  3. 多语言 (Multilingualism)
  4. 高效模型 (Efficient models)
  5. 少样本生成 (Few-shot generation)
  6. 分析 (Analysis)
  7. 领域适应 (Domain adaptation)
  8. 数据到文本生成 (Data-to-text generation)
  9. 文本到文博生成 (Text-to-text generation)
  10. 推断方法 (Inference methods)
  11. 模型结构 (Model architectures)
  12. 检索增强生成 (Retrieval-augmented generation)
  13. 交互和合作生成 (Interactive and collaborative generation)

（六）信息抽取 (Information Extraction)

  1. 命名实体识别和关系抽取 (Named entity recognition and relation extraction)
  2. 事件抽取 (Event extraction)
  3. 开放信息抽取 (Open information extraction)
  4. 知识库构建 (Knowledge base construction)
  5. 实体连接和消歧 (Entity linking and disambiguation)
  6. 文档级抽取 (Document-level extraction)
  7. 多语言抽取 (Multilingual extraction)
  8. 小样本和零样本抽取 (Zero-/few-shot extraction)

（七）信息检索和文本挖掘 (Information Retrieval and Text Mining)

  1. 段落检索 (Passage retrieval)
  2. 密集检索 (Dense retrieval)
  3. 文档表征 (Document representation)
  4. 哈希 (Hashing)
  5. 重排序 (Re-ranking)
  6. 预训练 (Pre-training)
  7. 对比学习 (Constrastive learning)

（八）自然语言处理模型的可解释性与分析 (Interpretability and Analysis of Models in NLP)

  1. 对抗性攻击/例子/训练 (Adversarial attacks/examples/training)
  2. 校正和不确定性 (Calibration/uncertainty)
  3. 反事实和对比解释 (Counterfactual/contrastive explanations)
  4. 数据影响 (Data influence)
  5. 数据瑕疵 (Data shortcuts/artifacts)
  6. 解释的忠诚度 (Explantion faithfulness)
  7. 特征归因 (Feature attribution)
  8. 自由文本和自然语言解释 (Free-text/natural language explanation)
  9. 样本硬度 (Hardness of samples)
  10. 结构和概念解释 (Hierarchical & concept explanations)
  11. 以人为主体的应用评估 (Human-subject application-grounded evaluations)
  12. 知识追溯、发现和推导 (Knowledge tracing/discovering/inducing)
  13. 探究 (Probing)
  14. 稳健性 (Robustness)
  15. 话题建模 (Topic modeling)

（九）视觉、机器人等领域的语言基础 (Language Grounding to Vision, Robotics and Beyond)

  1. 视觉语言导航 (Visual Language Navigation)
  2. 跨模态预训练 (Cross-modal pretraining)
  3. 图像文本匹配 (Image text macthing)
  4. 跨模态内容生成 (Cross-modal content generation)
  5. 视觉问答 (Visual question answering)
  6. 跨模态应用 (Cross-modal application)
  7. 跨模态信息抽取 (Cross-modal information extraction)
  8. 跨模态机器翻译 (Cross-modal machine translation)

（十）大模型(Large Language Models)

  1. 预训练 (Pre-training)
  2. 提示 (Prompting)
  3. 规模化 (Scaling)
  4. 稀疏模型 (Sparse models)
  5. 检索增强模型 (Retrieval-augmented models)
  6. 伦理 (Ethics)
  7. 可解释性和分析 (Interpretability/Analysis)
  8. 连续学习 (Continual learning)
  9. 安全和隐私 (Security and privacy)
  10. 应用 (Applications)
  11. 稳健性 (Robustness)
  12. 微调 (Fine-tuning)

（十一）语言多样性 (Language Diversity)

  1. 少资源语言 (Less-resource languages)
  2. 濒危语言 (Endangered languages)
  3. 土著语言 (Indigenous languages)
  4. 少数民族语言 (Minoritized languages)
  5. 语言记录 (Language documentation)
  6. 少资源语言的资源 (Resources for less-resourced languages)
  7. 软件和工具 (Software and tools)

（十二）语言学理论、认知建模和心理语言学 (Linguistic Theories, Cognitive Modeling and Psycholinguistics)

  1. 语言学理论 (Linguistic theories)
  2. 认知建模 (Cognitive modeling)
  3. 计算心理语言学 (Computational pyscholinguistics)

（十三）自然语言处理中的机器学习 (Machine Learning for NLP)

  1. 基于图的方法 (Graph-based methods)
  2. 知识增强的方法 (Knowledge-augmented methods)
  3. 多任务学习 (Multi-task learning)
  4. 自监督学习 (Self-supervised learning)
  5. 对比学习 (Contrastive learning)
  6. 生成模型 (Generation model)
  7. 数据增强 (Data augmentation)
  8. 词嵌入 (Word embedding)
  9. 结构化预测 (Structured prediction)
  10. 迁移学习和领域适应 (Transfer learning / domain adaptation)
  11. 表征学习 (Representation learning)
  12. 泛化 (Generalization)
  13. 模型压缩方法 (Model compression methods)
  14. 参数高效的微调方法 (Parameter-efficient finetuning)
  15. 少样本学习 (Few-shot learning)
  16. 强化学习 (Reinforcement learning)
  17. 优化方法 (Optimization methods)
  18. 连续学习 (Continual learning)
  19. 对抗学习 (Adversarial training)
  20. 元学习 (Meta learning)
  21. 因果关系 (Causality)
  22. 图模型 (Graphical models)
  23. 人参与的学习和主动学习 (Human-in-a-loop / Active learning)

（十四）机器翻译 (Machine Translation)

  1. 自动评价 (Automatic evaluation)
  2. 偏见 (Biases)
  3. 领域适应 (Domain adaptation)
  4. 机器翻译的高效推理方法 (Efficient inference for MT)
  5. 高效机器翻译训练 (Efficient MT training)
  6. 少样本和零样本机器翻译 (Few-/Zero-shot MT)
  7. 人工评价 (Human evaluation)
  8. 交互机器翻译 (Interactive MT)
  9. 机器翻译部署和维护 (MT deployment and maintainence)
  10. 机器翻译理论 (MT theory)
  11. 建模 (Modeling)
  12. 多语言机器翻译 (Multilingual MT)
  13. 多模态 (Multimodality)
  14. 机器翻译的线上运用 (Online adaptation for MT)
  15. 并行解码和非自回归的机器翻译 (Parallel decoding/non-autoregressive MT)
  16. 机器翻译预训练 (Pre-training for MT)
  17. 规模化 (Scaling)
  18. 语音翻译 (Speech translation)
  19. 转码翻译 (Code-switching translation)
  20. 词表学习 (Vocabulary learning)

（十五）多语言和跨语言自然语言处理 (Multilingualism and Cross-Lingual NLP)

  1. 转码 (Code-switching)
  2. 混合语言 (Mixed language)
  3. 多语言 (Multilingualism)
  4. 语言接触 (Language contact)
  5. 语言变迁 (Language change)
  6. 语言变体 (Language variation)
  7. 跨语言迁移 (Cross-lingual transfer)
  8. 多语言表征 (Multilingual representation)
  9. 多语言预训练 (Multilingual pre-training)
  10. 多语言基线 (Multilingual benchmark)
  11. 多语言评价 (Multilingual evaluation)
  12. 方言和语言变种 (Dialects and language varieties)

（十六）自然语言处理应用 (NLP Applications)

  1. 教育应用、语法纠错、文章打分 (Educational applications, GEC, essay scoring)
  2. 仇恨言论检测 (Hate speech detection)
  3. 多模态应用 (Multimodal applications)
  4. 代码生成和理解 (Code generation and understanding)
  5. 事实检测、谣言和错误信息检测 (Fact checking, rumour/misinformation detection)
  6. 医疗应用、诊断自然语言处理 (Healthcare applications, clinical NLP)
  7. 金融和商务自然语言处理 (Financial/business NLP)
  8. 法律自然语言处理 (Legal NLP)
  9. 数学自然语言处理 (Mathematical NLP)
  10. 安全和隐私 (Security/privacy)
  11. 历史自然语言处理 (Historical NLP)
  12. 知识图谱 (Knowledge graph)

（十七）音系学、形态学和词语分割 (Phonology, Morphology and Word Segmentation)

  1. 形态变化 (Morphological inflection)
  2. 范式归纳 (Paradigm induction)
  3. 形态学分割 (Morphological segementation)
  4. 子词表征 (Subword representations)
  5. 中文分割 (Chinese segmentation)
  6. 词性还原 (Lemmatization)
  7. 有限元形态学 (Finite-state morphology)
  8. 形态学分析 (Morphological analysis)
  9. 音系学 (Phonology)
  10. 字素音素转换 (Grapheme-to-phoneme conversion)
  11. 发音建模 (Pronunciation modeling)

（十八）问答 (Question Answering)

  1. 常识问答 (Commonsense QA)
  2. 阅读理解 (Reading comprehension)
  3. 逻辑推理 (Logic reasoning)
  4. 多模态问答 (Multimodal QA)
  5. 知识库问答 (Knowledge base QA)
  6. 语义分析 (Semantic parsing)
  7. 多跳问答 (Multihop QA)
  8. 生物医学问答 (Biomedical QA)
  9. 多语言问答 (Multilingual QA)
  10. 可解释性 (Interpretability)
  11. 泛化 (Generalization)
  12. 推理 (Reasoning)
  13. 对话问答 (Conversational QA)
  14. 少样本问答 (Few-shot QA)
  15. 数学问答 (Math QA)
  16. 表格问答 (Table QA)
  17. 开放域问答 (Open-domain QA)
  18. 问题生成 (Question generation)

（十九）语言资源及评价 (Resources and Evaluation)

  1. 语料库构建 (Corpus creation)
  2. 基线构建 (Benchmarking)
  3. 语言资源 (Language resources)
  4. 多语言语料库 (Multilingual corpora)
  5. 词表构建 (Lexicon creation)
  6. 语言资源的自动构建与评价 (Automatic creation and evaluation of language
    resources)
  7. 自然语言处理数据集 (NLP datasets)
  8. 数据集自动评价 (Automatic evaluation of datasets)
  9. 评价方法 (Evaluation methodologies)
  10. 低资源语言数据集 (Datasets for low resource languages)
  11. 测量指标 (Metrics)
  12. 复现性 (Reproducibility)
  13. 用于评价的统计检验 (Statistical testing for evaluation)

（二十）语义学：词汇层面 (Semantics: Lexical)

  1. 一词多义 (Polysemy)
  2. 词汇关系 (Lexical relationships)
  3. 文本蕴含 (Textual entailment)
  4. 语义合成性 (Compositionality)
  5. 多词表达 (Multi-word expressions)
  6. 同义转换 (Paraphrasing)
  7. 隐喻 (Metaphor)
  8. 词汇语义变迁 (Lexical semantic change)
  9. 词嵌入 (Word embeddings)
  10. 认知 (Cognition)
  11. 词汇资源 (Lexical resources)
  12. 情感分析 (Sentiment analysis)
  13. 多语性 (Multilinguality)
  14. 可解释性 (Interpretability)
  15. 探索性研究 (Probing)

（二十一）语义学：句级语义、文本推断和其他领域 (Semantics: Sentence-Level Semantics, Textual Inference and Other Areas)

  1. 同义句识别 (Paraphrase recognition)
  2. 文本蕴含 (Textual entailment)
  3. 自然语言推理 (Natural language inference)
  4. 逻辑推理 (Reasoning)
  5. 文本语义相似性 (Semantic textual similarity)
  6. 短语和句子嵌入 (Phrase/sentence embedding)
  7. 同义句生成 (Paraphrase generation)
  8. 文本简化 (Text simiplification)
  9. 词和短语对齐 (Word/phrase alignment)

（二十二）情感分析、文本风格分析和论点挖掘 (Sentiment Analysis, Stylistic Analysis and Argument Mining)

  1. 论点挖掘 (Argument mining)
  2. 观点检测 (Stance detection)
  3. 论点质量评价 (Argument quality assessment)
  4. 修辞和框架 (Rhetoric and framing)
  5. 论证方案和推理 (Argument schemes and reasoning)
  6. 论点生成 (Argument generation)
  7. 风格分析 (Style analysis)
  8. 风格生成 (Style generation)
  9. 应用 (Applications)

（二十三）语音和多模态 (Speech and Multimodality)

  1. 自动语音识别 (Automatic speech recognition)
  2. 口语语言理解 (Spoken language understanding)
  3. 口语翻译 (Spoken language translation)
  4. 口语语言基础 (Spoken language grounding)
  5. 语音和视觉 (Speech and vision)
  6. 口语查询问答 (QA via spoken queries)
  7. 口语对话 (Spoken dialog)
  8. 视频处理 (Video processing)
  9. 语音基础 (Speech technologies)
  10. 多模态 (Multimodality)

（二十四）文摘 (Summarization)

  1. 抽取文摘 (Extractive summarization)
  2. 摘要文摘 (Abstractive summarization)
  3. 多模态文摘 (Multimodal summarization)
  4. 多语言文摘 (Multilingual summarization)
  5. 对话文摘 (Conversational summarization)
  6. 面向查询的文摘 (Query-focused summarization)
  7. 多文档文摘 (Multi-document summarization)
  8. 长格式文摘 (Long-form summarization)
  9. 句子压缩 (Sentence compression)
  10. 少样本文摘 (Few-shot summarization)
  11. 结构 (Architectures)
  12. 评价 (Evaluation)
  13. 事实性 (Factuality)

（二十五）句法学：标注、组块分析和句法分析 (Syntax: Tagging, Chunking and Parsing)

  1. 组块分析、浅层分析 (Chunking, shallow-parsing)
  2. 词性标注 (Part-of-speech tagging)
  3. 依存句法分析 (Dependency parsing)
  4. 成分句法分析 (Constituency parsing)
  5. 深层句法分析 (Deep syntax parsing)
  6. 语义分析 (Semantic parsing)
  7. 句法语义接口 (Syntax-semantic inferface)
  8. 形态句法相关任务的标注和数据集 (Optimized annotations or data set for morpho-syntax
    related tasks) 句法分析算法 (Parsing algorithms)
  9. 语法和基于知识的方法 (Grammar and knowledge-based approach)
  10. 多任务方法 (Multi-task approaches)
  11. 面向大型多语言的方法 (Massively multilingual oriented approaches)
  12. 低资源语言词性标注、句法分析和相关任务 (Low-resource languages pos-tagging, parsing
    and related tasks)
  13. 形态丰富语言的词性标注、句法分析和相关任务 (Morphologically-rich languages pos tagging,
    parsing and related tasks)

（二十六）主题领域：现实检测 (Theme Track: Reality Check)

  1. 因为错误的原因而正确 (Right for the wrong reasons)
  2. 实际运用中的教训 (Lessons from deployment)
  3. （非）泛化能力 [(Non-)generalization]
  4. （非）复现能力 [(Non-)reproducibility)]
  5. 评价 (Evaluation)
  6. 方法 (Methodology)
  7. 负面结果 (Negative results)
  8. 人工智能噱头和期待 (AI hype and expectations)
  9. 科学 vs 工程 (Science-vs-engineering)
  10. 其他领域的结合 (Lessons from other fields)

以上是关于2023计算机领域顶会(A类)以及ACL 2023自然语言处理（NLP）研究子方向领域汇总的主要内容，如果未能解决你的问题，请参考以下文章

CVPR 2023｜淘宝视频质量评价算法被顶会收录

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到底现在在研究些什么？从ACL2023投稿领域及细分领域看一看

AI顶会accepted papers list

字节跳动CVPR 2023论文精选来啦（内含一批图像生成新研究）