2018年7月25日，由中国中文信息学会青年工作委员会（简称中文信息学会青工委）和360搜索联合举办的“COLING 2018论文预讲会”在中国科学院自动化所成功召开。COLING会议是自然语言处理的国际顶级会议，2018年 COLING会议将于8月在美国圣达菲举行。
会议首先由中国中文信息学会青年工作委员会主任、中科院自动化所刘康副研究员和360搜索首席科学家王浩分别致辞，接着本次会议的组委会主席、中科院软件所韩先培副研究员介绍了会议的基本情况。
中国中文信息学会青年工作委员会主任、中科院自动化所刘康副研究员致辞
360搜索首席科学家王浩致辞
会议的组委会主席、中科院软件所韩先培副研究员致辞
本次预讲会邀请了中科院自动化所的张家俊副研究员作题为“从COLING-2018看计算语言学进展”的特邀报告。
中科院自动化所的张家俊副研究员作特邀报告
本次预讲会共邀请了20位学者对即将发表于COLING-2018的论文到现场进行口头报告，论文的研究内容覆盖了文本分类、情感分析、信息抽取、机器翻译、句法/语义分析、问答、阅读理解等多个领域。另外每篇论文都有poster展示，使得讲者和听众有了更充分的交流和学习。
报告现场
Poster环节
此次预讲会听众报名十分踊跃，共有约180人现场参加会议，另外组委会通过360搜索对预讲会进行现场视频直播，吸引了将近 2000名观众在线观看。
附：报告信息（相关PPT下载请参考 链接: https://pan.baidu.com/s/1f4RfTw8ns_VsifGWdgQwNA 密码: kf4g ）
Open Remarks
中国中文信息学会青工委致辞
承办单位360搜索致辞
会议组织者致辞
Invited Talk
从COLING 2018看计算语言学进展
特邀讲者：张家俊 中科院自动化所
Oral Session 1: Text Mining，何世柱
[1] SGM: Sequence Generation Model for Multi-label Classification
讲者：杨鹏程，北京大学
[2] Document-level Multi-aspect Sentiment Classification by Jointly Modeling Users, Aspects, and Overall Ratings
讲者：李俊杰，中科院自动化所
[3] A Lexicon-Based Supervised Attention Model for Neural Sentiment Analysis
讲者：邹易澄，复旦大学
[4] Few-Shot Charge Prediction with Discriminative Legal Attributes
讲者：李想，清华大学
[5] Incorporating Argument-Level Interactions for Persuasion Comments Evaluation using Co-attention Model
讲者：季露，复旦大学
Oral Session 2: QA & Dialogue，陈波
[6] An Interpretable Reasoning Network for Multi-Relation Question Answering
讲者：周曼桐，清华大学
[7] The APVA-TURBO Approach To Question Answering in Knowledge Base
讲者：王玥，北京航空航天大学
[8] A Prospective-Performance Network to Alleviate Myopia in Beam Search for Response Generation
讲者：王宗晟，三角兽科技
[9] Source Critical Reinforcement Learning for Transferring Spoken Language Understanding to a New Language
讲者：白赫，中科院自动化所
[10] Sequence-to-Sequence Data Augmentation for Dialogue Language Understanding
讲者：侯宇泰，哈尔滨工业大学
Oral Session 3: IE, Parsing & Translation，王少楠
[11] Adversarial Multi-lingual Neural Relation Extraction
讲者：韩旭，清华大学
[12] Neural Relation Classification with Text Descriptions
讲者：周迪，东北大学
[13] Semi-Supervised Lexicon Learning for Wide-Coverage Semantic Parsing
讲者：陈波，中科院软件研究所
[14] Transition-based Neural RST Parsing with Implicit Syntax Features
讲者：余南，黑龙江大学
[15] Multi-layer Representation Fusion for Neural Machine Translation
讲者：李垠桥，东北大学
Oral Session 4: Semantics & Inference，王志春
[16] Reading Comprehension with Graph-based Temporal-Casual Reasoning
讲者：孙亚伟，南京大学
[17] Adopting the Word-Pair-Dependency-Triplets with Individual Comparison for Natural Language Inference
讲者：杜倩龙，中科院自动化所
[18] Model-Free Context-Aware Word Composition
讲者：安波，中科院软件所
[19] An Operation Network for Abstractive Sentence Compression
讲者：于乃通，清华大学
[20] Ensure the Correctness of the Summary: Incorporate Entailment Knowledge into Abstractive Sentence Summarization
讲者：李浩然，中科院自动化所