The Nature of NLP: Analyzing Contributions in NLP Papers

自然语言处理（NLP）是一个动态的、跨学科的领域，集成了计算机科学、语言学、社会科学等多种学科的思想传统。尽管其已经存在多年，但对于NLP研究的定义仍存在争议。本文通过考察研究论文，定量研究了NLP的构成内容。为此，我们提出了一个分类法，并引入了NLPContributions数据集，其中包含近2000篇研究论文摘要，经过专家标注以识别科学贡献并根据该分类法对其进行分类。我们还提出了一个新的任务，即自动识别这些元素，为此我们在数据集上训练了一个强大的基线模型。我们展示了这个任务的实验结果，并将我们的模型应用于约29k篇NLP研究论文，分析它们的贡献，有助于理解NLP研究的本质。我们的研究发现，自90年代初以来，机器学习在NLP中的应用越来越广泛，而对于语言或人类知识的增加的关注却有所下降；而在2020年后，对于语言和人类知识的关注又有所回升。我们希望这项工作能够引发我们社区规范的讨论，并激励有意识地塑造未来的努力。

本论文旨在通过对近2k篇NLP研究论文的分类和分析，探讨NLP的定义和发展趋势。具体而言，论文试图回答NLP研究的核心问题是什么，以及目前NLP研究的主要方向和特点是什么。

论文提出了一种分类体系，并通过对近2k篇NLP研究论文的分析，揭示了NLP研究的发展趋势和特点。同时，论文还提出了一种自动识别NLP研究论文贡献类型的方法，并在29k篇NLP研究论文上进行了实验，得出了一些有意义的结论。

论文的亮点包括提出了一种新的分类体系，并通过实验数据揭示了NLP研究的发展趋势和特点。此外，论文还提出了一种自动识别NLP研究论文贡献类型的方法，并在大规模数据集上进行了实验。论文的数据集和代码已经开源，为该领域的研究提供了有价值的资源。

在最近的相关研究中，也有一些类似于本论文的工作。例如，有些研究者尝试使用机器学习等方法对NLP研究进行分类和分析。其中一些研究的论文标题包括《A Survey of Natural Language Processing Research》、《A Taxonomy of Natural Language Processing Techniques》等。