ACL Anthology

ACL Anthology — это открытая электронная библиотека научных публикаций по компьютерной лингвистике и обработке естественного языка (NLP), поддерживаемая Ассоциацией компьютерной лингвистики (ACL). Она представляет собой крупнейшее в мире собрание рецензированных статей, докладов конференций и материалов рабочих семинаров в данной области, доступное бесплатно для всех пользователей. Библиотека охватывает публикации, начиная с 1960-х годов, и включает труды таких конференций, как ACL, NAACL, EMNLP, EACL и других, а также материалы связанных организаций, таких как Международный комитет по компьютерной лингвистике (ICCL).

История

Создание ACL Anthology было инициировано в 2001 году группой исследователей, включая Дэна Джурафски, Кевина Найта и других, с целью централизовать и сделать доступными труды конференций ACL, которые ранее распространялись в печатном виде или на отдельных веб-сайтах. Первоначально проект представлял собой простой архив в формате PDF, размещённый на серверах Стэнфордского университета. В 2003 году ACL официально приняла проект в качестве своей основной издательской платформы.

В 2008 году была запущена система автоматического индексирования и поиска, что значительно упростило навигацию. В 2012 году ACL Anthology перешла на платформу Open Journal Systems (OJS), но в 2015 году была полностью переработана в рамках проекта «ACL Anthology 2.0», который внедрил современный веб-интерфейс, поддержку метаданных в формате XML и интеграцию с внешними сервисами, такими как Google Scholar и Semantic Scholar. С 2018 года библиотека поддерживается на постоянной основе волонтёрами из сообщества ACL и техническим персоналом Университета Джонса Хопкинса.

Структура и охват

Основные конференции и журналы

ACL Anthology включает труды всех основных конференций, спонсируемых или со-спонсируемых ACL, а также журналы, издаваемые ассоциацией. Ключевые из них:

• ACL (Annual Meeting of the Association for Computational Linguistics) — главная ежегодная конференция, проводящаяся с 1962 года.
• EMNLP (Conference on Empirical Methods in Natural Language Processing) — крупнейшая конференция по эмпирическим методам, с 1996 года.
• NAACL (North American Chapter of the ACL) — региональная конференция, с 2000 года.
• EACL (European Chapter of the ACL) — европейская конференция, с 1983 года.
• COLING (International Conference on Computational Linguistics) — конференция, проводимая ICCL, чьи труды также включены в антологию.
• TACL (Transactions of the Association for Computational Linguistics) — журнал открытого доступа, издаваемый ACL с 2013 года.
• CL (Computational Linguistics) — официальный журнал ACL, выходящий с 1974 года.

Рабочие семинары и специальные выпуски

Помимо основных конференций, библиотека содержит материалы более 200 рабочих семинаров (workshops), посвящённых узким темам, таким как машинный перевод, анализ тональности, диалоговые системы, биоинформатика и другие. Также включены специальные выпуски журналов и сборники докладов студенческих семинаров.

Поиск и навигация

ACL Anthology предоставляет несколько способов поиска:

• Поиск по ключевым словам — полнотекстовый поиск по всем публикациям, включая аннотации и полные тексты.
• Фильтры — по году, конференции, автору, организации.
• Библиографические экспорты — поддержка форматов BibTeX, EndNote, RIS.
• API — программный интерфейс для автоматического доступа к метаданным и полным текстам.

Технические характеристики

Форматы файлов

Все публикации доступны в формате PDF, а также в виде HTML-версий для статей, опубликованных после 2015 года. Метаданные хранятся в формате XML, который соответствует стандарту TEI (Text Encoding Initiative). Для каждой статьи генерируются аннотации, списки цитирований и ссылки на внешние ресурсы.

Идентификаторы

Каждая публикация имеет уникальный идентификатор в формате YYYY.CONF-XXXX, где YYYY — год, CONF — аббревиатура конференции, а XXXX — порядковый номер. Например, 2023.acl-long.1 — это первая статья конференции ACL 2023 года в секции длинных докладов. Для старых публикаций используются более простые идентификаторы, такие как P80-1001 (для конференции ACL 1980 года).

Лицензирование

Большинство публикаций в ACL Anthology распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0), что разрешает свободное копирование, распространение и адаптацию при условии указания авторства. Некоторые старые статьи могут иметь более ограничительные лицензии, но все они доступны для некоммерческого использования.

Значение и влияние

Для научного сообщества

ACL Anthology стала стандартом для публикации результатов исследований в области компьютерной лингвистики. Она обеспечивает:

• Открытый доступ — все статьи бесплатны, что особенно важно для исследователей из развивающихся стран и небольших университетов.
• Централизованное хранение — единая база данных, охватывающая более 60 лет исследований.
• Цитируемость — интеграция с Google Scholar и другими системами позволяет отслеживать цитирования и оценивать влияние работ.

Для индустрии

Библиотека активно используется разработчиками и инженерами в области NLP для поиска референсных алгоритмов, датасетов и методов. Многие современные модели, такие как BERT, GPT и T5, были описаны в статьях, опубликованных в ACL Anthology.

Для образования

Преподаватели и студенты используют антологию как учебный ресурс, содержащий классические работы по синтаксическому анализу, семантике, машинному переводу и другим темам. Она также служит основой для курсов по компьютерной лингвистике.

Критика и ограничения

Несмотря на широкое признание, ACL Anthology имеет ряд недостатков:

• Неполнота охвата — библиотека не включает все публикации по NLP, особенно те, что выходят в журналах других издательств (например, IEEE, Springer, Elsevier). Это создаёт фрагментацию научной информации.
• Технические ограничения — поиск по ключевым словам иногда неэффективен из-за различий в терминологии и отсутствия семантического поиска. API имеет ограничения по скорости запросов.
• Проблемы с метаданными — для старых публикаций (до 1990-х годов) метаданные могут быть неполными или неточными, что затрудняет автоматическую обработку.
• Языковой барьер — подавляющее большинство статей написано на английском языке, что ограничивает доступ для неанглоязычных исследователей.

Интересные факты

• По состоянию на 2025 год в ACL Anthology содержится более 100 000 публикаций, и ежегодно добавляется около 10 000 новых статей.
• Самый цитируемый документ в антологии — статья «Attention is All You Need» (Vaswani et al., 2017), которая была опубликована на конференции NIPS (ныне NeurIPS), но также включена в ACL Anthology как часть материалов семинара по трансформерам.
• В 2020 году ACL Anthology была интегрирована с платформой Semantic Scholar, что позволило автоматически генерировать аннотации и рекомендации на основе машинного обучения.
• Проект полностью управляется волонтёрами, и его бюджет составляет менее 50 000 долларов в год, что делает его одним из самых экономически эффективных архивов научных публикаций.

Источники

• Официальный сайт ACL Anthology: aclanthology.org
• Документация проекта «ACL Anthology 2.0» (2015)
• Статья «The ACL Anthology: A Comprehensive Digital Library of Computational Linguistics» (Bird et al., 2008)
• Отчёты ACL о состоянии издательской деятельности (2018–2024)
• База данных Crossref для метаданных публикаций