Mar, 2018

一个简单有效的故事推断测试方法

PDF
TL;DR本文通过采用基于 skip-thought 嵌入的全用户反馈前馈网络，对 Story Cloze Test 进行研究，发现忽略训练集，只对验证集进行训练可以获得更高的准确度，而仅考虑提示的最后一句话而非整个提示，利用我们的方法能够获得更高的准确度，从而达到近乎最优的性能。
story cloze testtraining setvalidation setskip-thought embeddingsfeed-forward network
发现论文，激发创造
  • 故事结局选择基线和数据检查

    本文研究了两种监督基线系统，用于 Story Cloze 测试，一种基于词嵌入和语义相似度计算的分类器，另一种是基于不同编码策略的神经 LSTM 系统，实验结果表明，使用特征表示基于给定故事单词和候选结尾句子单词的平均词嵌入向量，以及故事和候选结尾之间的相似性特征的模型表现更好，最佳模型在官方评估中取得了 72.42 的准确度，排名第三。

    Mar, 2017

  • 通识故事深入理解语料库及评估框架

    本文介绍一个新的 “Story Cloze Test” 框架来测试一个系统对五句子情景的理解和故事学习，同时介绍了用于此框架的新语料库 ROCStories，用于在日常事件之间捕捉因果和时间共识关系的同时收集高质量的日常生活故事。实验证明现有的浅层语言理解模型不能高分通过 Story Cloze 测试，这对剧本和故事的学习提出深层次的理解建议。

    Apr, 2016

  • 基于辨别式句子建模的故事结尾预测

    提出了一种用于预测故事结尾的神经网络，名为 Diff-Net，能够在三个语义层面上对两种结尾进行区分，并在 Story Cloze Test 数据集上获得了显著的性能提升，这将有助于未来的相关研究。

    Dec, 2019

  • 在故事完成中融合结构化常识知识

    本文提出一种神经模型，通过整合叙事顺序、情感演变和背景常识等三种信息，有效提高了对 ROCStory Cloze 任务的预测准确率。

    Nov, 2018

  • 记忆链与语义监督的叙事建模

    提出了一种新颖的方法，使用外部神经记忆链跟踪不同的语义方面，每个链条专注于特定的语义方面，以实现对叙述的深层语义理解，该方法在故事结尾预测任务上表现优异，超过了一系列竞争基线，并创造了新的最先进成果。

    May, 2018

  • 寻找故事的合理结局：逻辑关系是否有助于故事填空测试？

    本文将自然语言理解，逻辑信息和 NLI 任务与 Story Cloze Test 融合，通过提取课程中的逻辑信息来提高整个 Story 的理解。

    Dec, 2018

  • 不同写作任务对语言风格的影响：以台湾故事填空任务为例的案例研究

    研究了不同写作任务背景下文本的风格特征及其对于分类器的影响。通过简单的线性分类器结合风格特征与语言模型，达到了 state of the art 的成果。

    Feb, 2017

  • 通过句子级语言模型实现更好的故事情节

    本文提出了一种基于句子水平的语言模型，该模型从一组流畅的句子备选项中选择故事中的下一句。通过将上下文编码为句子嵌入，比传统基于单词的方法更高效，并取得了在无监督下的 Story Cloze 任务和大规模下一句预测任务中的最新成果。

    May, 2020

  • 教师创建的大规模完形填空测试数据集

    本篇论文提出了一种新的人造填空测试数据集 CLOTH，并测试了基于语言模型、自动化模型，和人类模型的表现，结果显示人类模型比基线模型优秀，并且分析了基线模型不足之处，发现理解长时期语境是关键瓶颈。

    Nov, 2017

  • 利用 Cloze 问题进行少样本文本分类和自然语言推理

    本文介绍了一种半监督式的训练程序，称之为 PET，用来在低资源环境下学习某些 NLP 任务，并通过将输入示例转化为填空样式的短语来帮助语言模型理解给定任务

    Jan, 2020