IJCAIApr, 2016

一个用于中文零代词消解的深度神经网络

PDF
TL;DR该研究提出了一种新的零代词特定神经网络，通过利用语义层面上的上下文信息来表示零代词，并使用两级候选人编码器来明确捕获候选人的本地和全局信息，实验结果表明，在各种实验设置中，我们的方法明显优于现有技术。
发现论文，激发创造
  • 深度强化学习用于中文零代词消解

    本研究采用深度强化学习模型，集成局部和全局决策，学习选择先前预测的先行词的策略，以在中文零代词消解中提高准确性。在 OntoNotes 5.0 数据集上的实验结果表明，本技术超过了最先进的模型。

    Jun, 2018

  • 生成和利用大规模伪训练数据进行零代词消解

    本文提出了一种自动生成大规模虚拟训练数据的方法，以解决零代词指代问题中标注数据不足的问题，并成功将阅读理解神经网络模型用于零代词指代问题，通过提出的两步训练机制在 OntoNotes 5.0 数据集上取得了显著的 3.1％ F-score 改进。

    Jun, 2016

  • 一种集成零代词检测和解析的日语指代概率分析方法

    本文提出了一种分析日本指代语的方法，使用零代词（省略的必须格）来指代前一个实体（先行词），并整合两个概率参数，以在单一框架内执行零代词检测和消解。

    Jun, 2002

  • 波斯代词消解：利用神经网络和语言模型

    该研究提出了一种用于波斯语代词消解的端到端神经网络系统，利用预训练的 Transformer 模型如 ParsBERT。我们的系统同时优化了提及检测和先行链路，相比前期依赖基于规则和统计方法的最新系统，在 Mehr 语料库上实现了 3.37 F1 分数的提高。这一显著改进展示了将神经网络与语言模型结合的有效性，可能标志着波斯语代词消解领域的显著进展，并为进一步的研究铺平了道路。

    May, 2024

  • 日英翻译的零代词数据增广

    本研究针对日英翻译中的零代词问题，提出了一种数据扩充方法来增强模型对局部文本和零代词之间的关联，实验证明该方法显著提高了在对话领域中零代词翻译的准确性。

    Jul, 2021

  • 学习两个任务的单模型：零代词预测与翻译

    本文提出了一种统一且考虑话语的零代词（Zero pronouns, ZPs）翻译方法，利用神经网络实现对 ZP 的预测和翻译，并采用分层神经网络来利用话语上下文，实验结果表明该方法在中英和日英语料数据上显著提高了机器翻译和 ZP 预测的准确性，尤其是缓解了主观 ZPs 带来的误差。

    Sep, 2019

  • 指代零代词数据增强方法

    本文使用五种数据增强方法自动生成和检测指代零代词，提高了两个针对阿拉伯语的零代词系统的性能，表现超越了现有的最先进技术，为自然语言处理研究提供了新的资源。

    Sep, 2021

  • 伪零代词消解改善零指代消解

    本研究提出两个新的建议，分别是在 MLMs 上使用含有显式监督的方法进行项链关系的预训练任务以及新的微调方法，实验证明这两个建议可以提升零指称解析的性能，同时揭示了其余挑战的新见解。

    Apr, 2021

  • 零代词翻译的调查

    这篇研究综述了神经革命之后对于零代词翻译的研究进展，提供了基于演化、数据集、方法和评估的文献组织。另外，该文比较并分析了不同基准测试上的竞争模型和评估指标，找到了一些有见地的发现，例如大语言模型的发展趋势与零代词翻译相一致，而数据限制会造成学习的偏差，而先进的方法离实际应用仍有很大差距等。

    May, 2023

  • 阿拉伯语中零指代和非零指代的联合共指消解

    本文提出了两种用于联合解析阿拉伯语中无指代的零代词和非零代词的架构，并在此基础上进行评估，同时创建了一个新版本的阿拉伯语子集的共指解析数据集。

    Oct, 2022