介绍一种基于张量及向量的学习方法，并在数据集上进行了评估，表现超过了现有的先进方法，同时也适用于解决组合分布式模型可能遇到的更微妙问题。

Jan, 2013

本文使用分类组成分布语义模型（categorical compositional distributional semantics）结合 Barwise 和 Cooper 的广义量词理论，进行了基于生成语法形式化的抽象范畴组成语义学习。并证明了基于集合的关系实例化的等价性，以及基于向量空间的实例化的有效性。

Feb, 2016

该研究论文提出了一种关于逻辑否定的操作方法，将其建模为对于词的正交子空间的投影版本，并在句子推理任务中展示了该操作符的性能。

May, 2020

本文研究了分布语义学中的组合性问题，使用 Coek，Sadrzadeh 和 Clark 提出的范畴理论框架，将语法分析形式主义与分布语义表示法相结合，生成具体的组合式分布式模型，并展示它们在自然语言处理领域的有效性。研究的贡献包括将 DisCoCat 框架拓展到在句法和语义上，验证模型的优势以及提出了在本主题上应用范畴论的未来研究方向。

Nov, 2013

本文提出一种新的基于概率框架、结合形式语义和机器学习的方法，通过将谓词与其所指实体分开，利用贝叶斯推断来对逻辑形式进行推理，在使用受限玻尔兹曼机和前馈神经网络的组合实现这一框架之后，最终证明了该方法的可行性。

Jun, 2016

本文研究了分类组合分布语义学中的词汇包含问题，使用密度矩阵和量子计算中的部分知识的范畴语义思想提出了一种新的语言模型，并引入了一种新颖而强健的分级量化概念，能够有效地计算概念之间的包含关系。

Jan, 2016

论文讨论了张量中的特征包含性质在不同的具体方法中的应用。通过对几种句子级度量方法的评估，证明了基于张量的组合方式可以获得最佳的性能表现。

Oct, 2016

扩展基于类别、组成和分布的语义模型，通过将单词表示扩展为概率分布，定义对词汇蕴涵的对称和非对称相似度度量，利用量子变体对 von Neumann 熵进行度量。通过单词表示的组合映射和单词之间的蕴涵关系，提供了一种获取句子水平上的因果关系的方法。

Jun, 2015

我们提出了一种新的线性代数方法来计算逻辑中的 Tarskian 语义。通过将 M 的实体映射到 N 维独热向量和 k 元关系映射到 k 阶邻接张量，我们在具有 N 个实体的 N 维欧几里得空间 R ^ N 中嵌入了一个有限模型 M。在此框架基础上，我们还提出了一种在线性空间中计算 Datalog 程序定义的最小模型的前所未有的方法，并通过矩阵方程表明其与现有方法相比的有效性。

Mar, 2017

提出了一种在脉冲神经网络结构中实现复合分布语义、解决概念绑定问题的方法，利用标记图像进行词向量训练。

Jan, 2024