第一砖，混在NLP！

这第一板砖，就谈谈大家可能感兴趣的讨论题目吧。

我接触NLP的时间很短，在最初的几年里，兴趣也不浓厚，只是被动的去听课，听听报告（现在想起来错过了很多牛人的报告）。应该是我的导师不厌其烦的鼓励，还有当时的新室友（samcd）让我有了一些兴趣去尝试深入了解一些NLP问题。

随后就在水木nlp版和52nlp出没，到现在已经有挺长一段时间了，从开始看大家讨论，到跟着掺和，学到了不少东西，也纠正了很多错误的概念，受益匪浅！总体上感觉有一些问题是比较引人注意的，经常引发讨论。 希望我们能像52nlp建议的那样， 充分发挥自己的特长，在自己关注的，或者工作的领域上引导一些专题讨论，由浅入深，进而汇总成一组对更多nlpers（从入门到进阶）都有帮助的资源。

希望大家积极揭发身边的领域内“知名人士” 来主持感兴趣的专题:-）

0，宏观介绍NLP研究趋势（符号规则，统计学习，等等）—-这个需要大牛来做。。。

1， 有关自然语言处理的一些基本问题， 同时也是经典问题，尤其以不同语言的预处理（哪怕是英语，细问起来，你会发现不同人对不同任务的预处理习惯差别还挺大, tokenization? lemmatizatioin? ), 中文分词，POS标注，computing word similarity, WordNet 和语言模型（LM）. （谈这些问题就不可避免地会谈及一些经典模型，从规则到统计，我想可以穿插进行，现在流行的ML paper不是经常拿pos-tagger等小任务来展示自己嘛）

2， 一些NLP的综合应用，从经典的自动语音识别（ASR），语音合成（TTS），到语义分析（semantics，例如，语义消歧（WSD），语义表示 （semantic space），semantic role labelling），句法分析（各种语法：PCFG， HPSG，甚至CCG, TAG, QG）。我们不可能找个人出来精通所有这些，但大家都贡献自己专长的某一部分的经验，综合起来就会非常漂亮了（欢迎大家互相揭发）。

3，面向实际的深层次综合应用。这个就不用列举了吧，大家都是各方面的行家。从Natural Language Generation, 机器翻译（MT），自动文本摘要（summarization, text2text compression），情感分类（sentiment analysis），对话系统（dialogue），问答系统（QA），推荐系统，基于信息抽取（IE），信息检索(IR)的一大类需求（Keyword Extraction , Relation Extraction, Text Representation, Text Classification）

4，一些经典的模型（各种机器学习模型等等），方法（bayesian方法－－这个我来揭发PCA），这个52nlp已经做了大量的工作了：）

5，一些资源，工具的介绍，使用心得。WordNet, Penn TreeBank，（常用语言资源），机器翻译资源（europar？）, FrameNet，probank， 各种 POS-taggers， 中文分词包，parsers，一些常用的工具，Lingpipe，SRILM, 等等

完全覆盖所有这些话题是不太现实，不过至少我们可以挑选一些有广泛代表性的问题开始，然后再开展一些更深入的专题。

欢迎大家拍砖，希望我们能尽快确定一个大致的列表。下周ACL的deadline一过，就可以找各位牛人“志愿”了：）