Proceedings of the 1st North American chapter of the Association for Computational Linguistics conference
Notice bibliographique
Résumé
On behalf of the Program Committee for NAACL 2000, I am pleased to present you with the papers accepted for presentation at the First Meeting of the North American Chapter of the Association for Computational Linguistics, held in Seattle, Washington, April 29-May 4, 2000.NAACL received a gratifyingly large number of papers from around the world. Submissions were received from 28 countries. Reviewing was blind to all reviewers and area chairs. It was also highly selective. Out of 166 submissions, 43 were selected for presentation at NAACL 2000.Selecting the papers was not an easy task. In total, over 110 reviewers, representing 20 different countries, reported to a senior program committee consisting of eight area chairs. The senior program committee spent an intensive day at a meeting in Virginia reaching the final decisions. The area chairs and reviewers cannot be thanked enough for the conscientious and painstaking jobs they performed. All those who contributed are named on the following page, but I would particularly like to express my thanks here to the area chairs: Michael Collins (AT&T Labs - Research), Nancy Green (University of North Carolina at Greensboro), Graeme Hirst (University of Toronto), Kevin Knight (USC/Information Sciences Institute), Dekang Lin (University of Manitoba), Diane Litman (AT&T Labs - Research), Philip Resnik (University of Maryland), and Andreas Stolcke (SRI International).In its first year, it was advantageous to co-locate NAACL with ANLP, an established conference. To coordinate the two conferences, submissions focusing on end-applications were invited to ANLP 2000, while submissions focusing on methodology were invited to NAACL 2000. Future NAACL conferences will encourage both types of submissions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».