颜色环境语境下的实用神经模型:基于现实的语言理解
本研究使用中文颜色参考游戏数据,证实了中英语境下同样表现出对语境难度的敏感性;并展示了采用多任务学习方法训练的神经说话人模型,相比其单语中文模型更贴近人类对语境的依赖,并且不会以达到语言特定的语义理解为代价。
Mar, 2018
本文通过使用预先训练的语言模型,对颜色的结构性关系进行研究,发现在理解色彩的感知结构方面,较为温暖的颜色比较接近于感知颜色空间。
Sep, 2021
人们通过上下文来丰富文字表达,实现简洁而有效的沟通,为了让人工智能系统能够与人类进行自然交互,需要强调语用学技能,从分享语言目标和约定到视觉和肢体世界中的语境等,利用各种上下文信息有效地运用语言。本文调查现有的语境实现和语用模型方法,并分析了每个工作中的任务目标、环境语境和沟通便利之间的关系,从而丰富了语言含义。我们提出了关于未来基于任务设计的语境需求,以自然地引出语用现象的建议,并建议在更广泛的沟通语境和便利方面继续探索。
Nov, 2022
使用递归神经网络和傅里叶变换的颜色表示方法,成功应用于生成颜色描述模型,在自然颜色描述的大型语料库上进行条件语言模型任务,不仅可以准确地生成基本颜色术语,还可以生成训练过程中未见过的具有非凸含义的描述词,裸修饰语以及组合短语。
Jun, 2016
本文通过在英语材料的专家评估集上进行零 - shot 提示,进行了人类和语言模型在七个语用现象上的精细比较,发现最大的模型可以实现高精度和匹配人类错误模式,同时发现证据表明模型和人类对相似的语言提示敏感,旨在探讨人类语用处理机制和语言模型之间的关系。
Dec, 2022
语言理解中的基础是一个活跃的研究领域。以颜色感知和颜色语言为研究基础,通过实证研究发现,颜色空间和语言模型定义的特征空间之间存在相当大的一致性。通过收集包含近 100 万个颜色及其描述的大规模数据集,进行两种对齐方式的实证分析:(i)跨空间对齐,即学习嵌入空间和颜色空间之间的映射,以及(ii)内部空间对齐,通过提示颜色描述之间的比较。我们的结果表明,尽管对于单词基础、高度实用的颜色描述,颜色空间对齐成立,但在存在主观性和抽象性等真实语言使用元素的示例中,这种对齐性显著降低,这表明在这种情况下可能需要基础。
Nov, 2023
本研究展示了一个对于自然语言中颜色修饰的理解模型,该模型比之前在 RGB 颜色空间中的加法模型能够学习更复杂的变换,同时我们还提出了一个在 HSV 颜色空间中操作的模型,结果表明针对某些形容词在 HSV 颜色空间中效果更好,此外我们还训练了一种硬强集成模型,该模型会根据修饰符颜色配对情况来选择颜色空间,实验结果表明与现有基线模型相比,该模型有显著且一致的提升。
Sep, 2019