本文介绍了 VisText 数据集，通过 fine-tune state-of-the-art 语言模型并应用 prefix-tuning 生成语义丰富、连贯的图表描述字幕， 经过比较能够接近最先进的图表字幕模型，并提出了可以指导未来工作的错误分类。

Jun, 2023

本文介绍了使用词嵌入进行语言学特征和语料库相关性比较的交互式系统 TextEssence，并提出了一种基于邻域重叠的嵌入置信度度量方法，用于辅助语料库分析。作者以 COVID-19 科技文献为例进行了案例研究。

Mar, 2021

本研究提出了 ScatterShot，这是一个互动系统，可用于构建高质量的示范集以进行上下文学习，该系统通过在任务特定的模式中切片未标记数据，并以主动学习方式从未经探索或未饱和的切片中采样信息输入，同时利用 LLM 和当前的示例集帮助用户更有效地进行标记。在两个文本扰动场景的模拟研究中，ScatterShot 采样将导致结果为 4-5 个百分点的提高，在添加更多示例的情况下方差更小。在用户研究中，ScatterShot 极大地帮助用户覆盖输入空间中的不同模式，更有效地标记上下文示例，从而实现更好的上下文学习和更少的用户工作量。

Feb, 2023

本篇研究论文探讨了利用自然语言处理技术在文本可视化方面的应用，除了传统的利用文本主题抽取与可视化的方法，更深入地进行了针对单词情感价值的比较，探究不同文本间的差异与重点。

Jul, 2022

本文探讨了两种使用颜色来理解文本模型的技术，一种方法是使用文字注释来说明模型对特定文档中特定标记的理解，另一种方法是使用高级的 “像素化文字” 图形来展示整个文集。这些方法一起提供了模型对文本理解的缩小和放大的视角。我们展示了这些相互关联的方法如何帮助诊断分类器在 Twitter 俚语上表现差，并理解历史政治文本上的主题模型。

Jun, 2016

本文提出了一种名为 Selective Context ATtentional Text Recognizer（SCATTER）的新型场景文本识别（STR）架构，利用一种叠加块结构的中间监督方式进行训练，成功地训练出深度双向 LSTM 编码器，提高了上下文依赖关系的编码。使用两步 1D 注意机制进行解码，与之前的论文相似，处理序列特征并关注序列内部关系。实验证明该方法在不规则文本识别基准上的表现优于当前最先进技术平均提高了 3.7％。

Mar, 2020

该研究介绍了一种完全自动化的系统，利用深度学习技术识别散点图中的关键组成部分，并利用光学字符识别和鲁棒回归从图像中提取散点数值，该方法可以成功从 89% 的测试数据中提取数据。

Apr, 2017

本文介绍了计算机程序 VOSviewer 的文本挖掘功能，给出了用于分析大量文本数据的应用示例。

Sep, 2011

本文介绍了针对文本数据的关键词提取和文本摘要的处理方法，介绍了一种基于 TextRank 算法的无监督学习方法，在其基础上提高了算法的效率，并针对其忽略了不同部分的语义相似性进行了改进。此外，还开发了一种基于该框架的主题聚类算法，可单独使用或作为生成摘要的一部分来解决文本覆盖问题。

Dec, 2022

本文介绍了 Sense Clustering over Time (SCoT)，一个基于网络的工具，用于分析词汇变化。SCoT 使用 sense clusters 和 semantic neighbourhood graph 来表示和展示单词的意义形成、变化和消失，可提供模型透明性和可溯源的连续时间间隔内的唯一详细的词汇变化的见解。

Mar, 2022