本文介绍了用于语义分析和量化科学短文本的计算方法，以及如何将它们标准化为代表科学专业类别的向量，并使用统计分析确定最适当的 “含义” 的尺寸，从而建立了文本含义的几何表示。

May, 2022

本文介绍了语义扩展检索系统中影响最大的语义关联作用，并提出在准确性和噪音引入之间寻找最佳平衡的方案，最后通过构建自然语言处理系统并利用系统的多种知识资源进行评估。

Mar, 2022

该研究描述了一种将基于 Wikipedia 的显式语义分析度量、WordNet 路径度量和混合共现指数结合的新语义相关性度量。我们的度量在 WS-353 测试中取得了最高的结果。附录中讨论了 ESA 到 2011 维基百科数据的适应，以及在词、句和段落级别进行过滤但未成功增强 ESA 的各种尝试。

Jul, 2011

LESA framework proposes a generalized model for argument mining using syntactic and contextual features to segregate claims, resolving the issue of unavailability of labeled unstructured text by annotating a Twitter dataset and improving state-of-the-art performances on benchmark claim datasets.

Jan, 2021

本论文在语义处理方面做出重大贡献，提出了多种数学模型以及解决研究范式中存在问题的建议，从而大大提升了机器自动进行语义推理的复杂性和粒度。

Sep, 2017

本研究提出了一种基于语料库的方法，可用于构建特定领域的语义词汇表，以帮助自然语言处理领域的系统，从而填补了其对手动编码各个应用程序的依赖。

Jun, 1997

这篇论文介绍了欧洲空间局使用人工智能和自然语言处理自动从空间文件中提取信息的方法，并通过多个实例研究来展示这种方法的价值，包括任务设计、质量保证、长期数据保存和开放空间创新平台。

Oct, 2022

利用自动生成的自然语言定义，将上下文单词用法作为可解释的词和词义表示。使用 Flan-T5 语言模型生成每个用法的定义，从用法簇中选择最典型的定义作为词义标签，可在语义变化分析中进行应用。此外，上下文定义在 NLP 中的单词语境语义相似性判断中优于令牌或用法句子嵌入，是一种新的有前途的词汇表示类型。

May, 2023

该研究探索如何通过使用维基百科网站上的词语描述自动预测词汇语义单位（sememes），提出一种标签分布式序列到序列模型（LD-seq2seq）和一种新型软损失函数来解决这个弱序多标签任务，实验表明，相比于基线和人类标注者，该方法在测试集上取得了更好的表现。

Aug, 2018

该论文提出一种利用马尔可夫过程进行文本话题、同义词和语义领域提取的语义模型，通过数学分析文本中的重复模式的方法，实现了语言无关的数字指纹。这种语言无关的语义表达方式可以让机器阅读器能够自动识别不同语言的中短文本和进行自动单词翻译。

Jul, 2019