<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
  <head>
    <meta content="text/html; charset=ISO-8859-1"
      http-equiv="Content-Type">
    <title></title>
  </head>
  <body bgcolor="#ffffff" text="#000000">
    <br>
    <br>
    <div class="moz-text-html" lang="x-western"> <small><font
          color="#3333ff">-------------------------- Final call for
          papers --------------------------------<br>
        </font></small><small><font color="#3333ff">PAPER SUBMISSION
          DEADLINE: March 30, 2011 <br>
          <br>
          <br>
        </font></small><small><font color="#3333ff"> Joint Workshop
          FAM-LbR/KRAQ'11<br>
          <b>Learning by Reading and its Applications in Intelligent
            Question-Answering</b><br>
          with IJCAI 2011<br>
          July 16-18, 2011<br>
          <a class="moz-txt-link-freetext"
            href="http://www.rutumulkar.com/FAM-LbR-KRAQ-2011.php">http://www.rutumulkar.com/FAM-LbR-KRAQ-2011.php</a><br>
          <br>
          Call for Papers<br>
          -----------------<br>
          <br>
          It has been a long term dream of AI to develop systems that
          can emulate human levels of language understanding and
          reasoning. Recent foundational, methodological and
          technological developments in Knowledge Representation (e.g.
          ontologies, knowledge bases incorporating various forms of
          incompleteness or uncertainty), Reasoning (e.g. data
          fusion-integration, argumentation, decision theory, fuzzy
          logic, incomplete knowledge bases, etc.), Natural Language
          Processing (such as information extraction, relation
          detection) and formal pragmatics (user models, intentions,
          etc.) make it possible to foresee the elaboration of much more
          accurate, cooperative and robust systems dedicated to
          understanding, learning and answering questions from textual
          data, operating either on open or closed domains. The time is
          right to start placing the pieces from all these different
          areas to develop a unified system for Learning by Reading and
          Automated Question Answering.<br>
          <br>
          Until now, most approaches for QA and Learning by Reading have
          been either “narrow and deep” or “broad and shallow”. Many
          text mining systems embody the latter. An important question
          arises whether a “broad and deep” approach is a possibility at
          this stage.<br>
          <br>
          The goal of this workshop is to bring together researchers
          from different backgrounds (AI, NLP, linguistics, HLT and
          pragmatics) to explore possibilities of integrating the
          different techniques for building a system for Learning by
          Reading and/or Automated Question Answering. The workshop will
          be focused on models for intelligently analyzing data and
          cooperatively responding to the user queries. This includes
          areas such as AI models for processing data coming e.g. from
          search engines and models that provide users with explanations
          and arguments about response contents and the way they have
          been elaborated. Numerous interesting questions arise,
          including, how can we evaluate such systems automatically or
          semi-automatically? Is it possible to run such systems on a
          massive scale? What role does commonsense play in reasoning of
          textual data? Is it possible to extract this commonsense
          knowledge automatically?<br>
          <br>
          Topics of interest include (but are not limited to)<br>
          <br>
              * Language processing:<br>
                    o Analysis of existing language resources such as
          Wikipedia<br>
                    o Language analysis (such as question processing,
          answer identification)<br>
                    o Language generation and Explanation production <br>
              * Reasoning aspects:<br>
                    o Abductive/deductive, commonsense, and other
          reasoning<br>
                    o Reasoning under uncertainty or with incomplete
          knowledge, models for explanation production and argumentation<br>
                    o Information fusion-integration,<br>
                    o Knowledge extraction from text vs. using pre-built
          knowledge resources<br>
                    o Bridging knowledge gaps in text through inference<br>
                    o Knowledge Integration into evolving models<br>
                    o Bootstrapping Learning <br>
              * Pragmatic dimensions of intelligently answering
          questions:<br>
                    o User intentions, plans and goals recognition and
          production<br>
                    o Conversational implicatures in responses,
          principles for the design of cooperative systems.<br>
                    o Learning temporal sequences, causality, and other
          semantics from text<br>
                    o Ontology learning, population, or expansion <br>
              * Applications:<br>
                    o Question answering of semi-structured documents
          such as wikipedia<br>
                    o Multimedia question answering, where you question
          a more or less formal representation of the media objects<br>
                    o Spoken question answering (increasing uncertainty
          caused by the speech recognition) <br>
              * Evaluation:<br>
                    o Automatic Evaluation of learned Knowledge<br>
                    o Intrinsic evaluation of inference methods<br>
                    o Data-intensive vs Knowledge-intensive methods<br>
                    o Portability techniques for closed domains. <br>
          <br>
          Submission Information<br>
          -----------------<br>
          <br>
          We welcome short papers (max 4 pages), describing projects or
          ongoing research and long papers (max. 6 pages), that relate
          more established results. Papers must be sent in .pdf format.
          The following information MUST be included:<br>
          <br>
              * Title<br>
              * Authors' names, affiliations, and email addresses<br>
              * Topic(s) of the above list, as appropriate<br>
              * Abstract (short summary up to 5 lines) <br>
          <br>
          Important Dates<br>
          -----------------<br>
          <br>
          March 14, 2011 - Paper Submission<br>
          April 25, 2011 - Acceptance Notification<br>
          May 16, 2011 - Camera ready paper due<br>
          Location<br>
          <br>
          FAM-LbR/KRAQ 2011 is held with IJCAI 2011 (July 16-18, 2011)
          in downtown Barcelona. Local information can be found from the
          conference website. Please use the IJCAI style sheets to
          prepare your submission. Reviewing will not be blind. <br>
          <br>
          Organizing Co-Chairs<br>
          -----------------<br>
          <br>
          Rutu Mulkar-Mehta (<a class="moz-txt-link-abbreviated"
            href="mailto:me@rutumulkar.com">me@rutumulkar.com</a>),
          Patrick Saint-Dizier (<a class="moz-txt-link-abbreviated"
            href="mailto:stdizier@irit.fr">stdizier@irit.fr</a>)<br>
          Eduard Hovy (<a class="moz-txt-link-abbreviated"
            href="mailto:hovy@isi.edu">hovy@isi.edu</a>), Marie-Francine
          Moens (<a class="moz-txt-link-abbreviated"
            href="mailto:Sien.Moens@cs.kuleuven.be">Sien.Moens@cs.kuleuven.be</a>)<br>
          Bernardo Magnini (<a class="moz-txt-link-abbreviated"
            href="mailto:magnini@fbk.eu">magnini@fbk.eu</a>)<br>
          Chris Welty (<a class="moz-txt-link-abbreviated"
            href="mailto:welty@us.ibm.com">welty@us.ibm.com</a>)</font></small>
    </div>
  </body>
</html>