ICLRDec, 2014

实体增强的分布式语义在话语关系中的应用

PDF
TL;DR本文提出了一种计算分布式含义表示的方法来解决自动识别篇章关系的难题。我们通过结合句子的句法解析树，并使用一种新颖的向下组成算法，计算实体提及的含义表示。这种方法不仅可以预测句子间的篇章关系，还可以预测它们的指代实体提及之间的关系，并在 Penn Discourse Treebank 上取得了优越的表现。
discourse relationsdistributional meaning representationsentity mentionscompositional semanticsautomatic identification
发现论文，激发创造
  • 一个向量是不够的：实体增强的分布式语义用于话语关系

    该研究通过自动计算句法分析树上的分布式含义表示来进行话语关系预测，包括实体提及之间的链接，并在预测 Penn 话语树库中的隐式话语关系时实现了显著改进。

    Nov, 2014

  • DisSent: 显式语篇关系的句子表征学习

    利用依存分析和基于规则的指标，我们能够通过利用显式的篇章关系来筛选高质量的句子关系任务，从而得出高质量的句子嵌入向量及用作 BERT 等更大型模型的监督微调数据集。

    Oct, 2017

  • 深度增强表示法用于隐式语篇关系识别

    本研究探讨了一种模型，利用包括字符，子词，单词，句子和句对级别的不同粒度的文本表示来更好地表示文本，该模型在隐含关系识别中取得了 48% 以上的最新成果。

    Jul, 2018

  • 有歧义的语篇标记和交织关系的分布式标记表示

    通过学习分布式标记表示以及潜在的语篇感，实现了对句子对之间的标记和语段信息的联系，具备自动学习和解释性强的特点，并在隐式语篇关系识别任务中达到了 SOTA 效果。

    Jun, 2023

  • 预训练的语句嵌入用于隐式语篇关系分类

    本文针对隐含的语篇关系进行了意义预测，利用预训练的句子嵌入作为神经网络基础表示，分别使用监督学习和预训练编码技术 - SkipThought，Sent2vec 和 Infersent 进行实验，并证实两种方法可以相互补充，结合模型可以显著提高模型性能。

    Oct, 2022

  • 如果不能推理，不要怪分布语义学

    分布式语义模型已经广泛应用于自然语言处理系统中，但在语言和认知的更广泛理论范围内，分布式语义模型的理论地位仍不清楚。 然而，我们认为传统答案本质上是一个误解，分布式语义模型本身是表达含义的适当模型。

    May, 2019

  • 话语关系嵌入：在社交媒体中表示话语片段之间的关系

    本论文提出了一种用于学习社交媒体语篇间关系的新型方法 ——DiscRE，通过弱监督的多任务学习方法，实现了自动创建语篇关系嵌入，取得了在 Twitter 语篇关系分类任务上最佳性能，同时改善了社交媒体因果关系预测的现状。

    May, 2021

  • 在知识图谱关系中发现细粒度语义

    本文提出了一种发现抽象关系中不同语义和获取细致意义的子关系的策略，其方法基于关系涉及的实体类型和向量表示的聚类，能够自动发现多义关系的最佳子关系及其语义解释。

    Feb, 2022

  • 分布语义学与语言学理论

    该综述文章阐述了分布语义学在理论语言学领域的影响有限，但其成功地捕捉了自然语言诸多意义方面，并回顾了该领域在语义变化、一词多义及组合，以及语法 - 语义接口等领域的研究成果，旨在在理论和计算语言学之间进行更大规模的交叉授粉，以推进我们集体的语言知识。

    May, 2019

  • 在段落中建模话语单元的相互依赖关系以提高隐含话语关系分类能力

    通过构建神经网络模型，模拟句子和段落之间的相互依赖和连续性，并能够连续预测段落中的语篇关系，从而提高隐含的语篇关系分类的效果，并在 PDTB 的基准语料库上取得了最佳性能。

    Apr, 2018