Colin Bannard und Chris Callison-Burch ueber Paraphrasierung mit Hilfe von zweisprachigen Textkorpora. Paraphrasen sind Umschreibungen des selben Sachverhalts mit unterschiedlichen Wörtern und Ausdrücken. Colin Bannard und Chris Callison-Burch stellen in ihrer Arbeit vor, wie man mit Hilfe von zweisprachigen Sprachkorpora solche Umschreibungen automatisch finden kann.

Nachgeholter Bericht von der ACL-Konferenz:
Counstantinos Boulis (Vortragender) und Mari Ostendorf von der University of Washington: "A Quantitative Analysis of Lexical Differences Between Genders in Telephone Conversations".
In dieser Präsentation ging es um eine Fragestellung aus der Soziolinguistik, das ist ein Teilgebiet der Linguistik, das sich mit Unterschieden in der Sprache einzelner sozialer Gruppen, Schichten, Minderheiten oder eben auch zwischen den Geschlechtern beschäftigt. Hier war die Frage: Verwenden Männer und Frauen unterschiedliche Wörter?

Am Montag war ein Vortragraum ganz den Präsentationen studentischer Forscher gewidmet, sowohl in Vorträgen als auch in einer Poster-Präsentations-Session in der Mittagspause. Eine der Präsentationen in Vortragsform kam von Jonathon Reed und trug den Titel "Using Emoticons to reduce Dependency in Machine Learning Techniques for Sentiment Classification". Es ging also darum, automatisch entscheiden zu können, ob ein Text eine positive oder eine negative Stimmung gegenüber des in ihm beschriebenen Sachverhalts zum Ausdruck bringt.

Und noch ein Vortrag, der sich mit Sentiment Classification befasst, diesmal damit, welche Bewertung einzelne Wörter haben, positiv oder negativ?
Hiroya Takamura, Takashi Inui und Manabu Okumura benutzen dafür in "Extracting Semantic Orientation using Spin Model" ein von der Teilchenphysik inspiriertes Modell.

Dieser Vortrag von Bo Pang und Lillian Lee mit dem vollständigen Titel "Seeing stars: Exploiting class relationships for sentiment categorization with respect to rating scales" handelte davon, aus einem Text seine Einstellung gegenüber dem in ihm besprochenen Thema zu ermitteln, zum Beispiel anhand einer Filmkritik eine Bewertung zu ermitteln. Zu einer älteren Arbeit der beiden Autorinnen gibt es in Technology Research News einen populärwissenschaftlich aufbereiteten Artikel. Im Gegensatz zu dieser Arbeit und der ebenfalls auf der ACL05 vorgestellten Arbeit von Jonathon Reed lag hier der Fokus nicht auf einer bloßen Klassifizierung in gut oder schlecht, sondern auf einer mehrstufigen Einordnung auf einer Skala.

Bo Pang und Lillian Lee testeten verschiedene SVM-basierte Lernalgorithmen auf Filmkritiken. Sie stellten dabei fest, dass bei einer geringen Anzahl zu unterscheidenden Klassen (z.B. schlecht, neutral, gut) ein One-versus-All-Ansatz gut funktioniert. Dabei gibt es für jede Klasse einen eigenen Klassifizierer, der zwischen der jeweiligen Klasse und dem Rest unterscheidet.
Ab vier oder mehr Klassen liefert aber ein SVM-Regression basierter Klassifikator die besseren Ergebnisse.

Den Eroeffnungsvortrag nach den Begruessungen auf der ACL 2005 hielt Justine Cassell von der Northwestern University ueber “Why you have a body and What it is Used for”: Gestik, ihre Bedeutung und ihr Einsatz in virtuellen Agenten fuer Dialogsysteme.