ACLMar, 2018

使用神经模型解释名词复合词时的释义转述：橄榄油由橄榄制成，婴儿油是为婴儿而设计的

PDF
TL;DR本篇论文探讨了基于神经释义的方式对名词复合体进行自动解释，结果表明当传统基于代表词汇的方法无法胜任时，神经释义方法具有更好的性能。
automatic interpretationnoun compoundneural paraphrasingnlp applicationssuperior performance
发现论文，激发创造
  • 揭示隐含名词复合关系

    提出使用神经模型来表示名词复合词的释义，并能够泛化到不常见的名词复合词及其释义，从而在 NLP 应用中提高名词复合词释义和分类的性能。

    May, 2018

  • SemEval-2013 任务 4：名词复合词的自由同义重组

    本文介绍了 SemEval-2013 任务 4 的定义、数据、评估和结果，并描述了该任务的目标是通过解释性改写捕捉英语名词复合词的一些意义。三个系统参加了任务，他们在其中一个评估措施上击败了简单基线，但在两个评估措施上都没有击败它。

    Nov, 2019

  • 利用 Bootstrapping 和 Web 作为语料库的大规模名词复合物解释

    本文研究获取名词复合物及其语义解释的方法，通过引入 bootstrapping 和 web statistics，利用名词复合物与其解释模式的关系，进行多次交替提取，并发现将一个复合名词固定可以获得更多的有语义解释的复合名词和更强的语义限制。

    Nov, 2019

  • 从巧克力兔到巧克力鳄鱼：语言模型是否理解名词复合词？

    这篇论文提出了一种修改后的核心任务和评估方法，用于解决名词组解释和概念化的问题，并表明 GPT-3 在这两个任务上的表现都很出色，尤其是后者，因为它需要创造力、常识和知识的广泛推广能力。此外，研究人员估计了 GPT-3 处理新名词组的能力，并探讨了 GPT-3 的推理能力是否在与无脑地执行训练数据的策略之间取得平衡。

    May, 2023

  • 英语名词复合词表示方法的系统比较

    比较了名词复合物的不同表示方法，发现复合函数往往比分布式函数更有效，并且不同的函数在不同情况下表现不同，建议采用联合训练以得到更好的表示。

    Jun, 2019

  • 新冠疫苗可预防 Covid，牛津疫苗则是在牛津制造的！—— 关于专有名词复合词的语义解释

    通过各种神经模型，尤其是针对基本名词的共同知识，我们可以自动生成专有名词复合词的语义解释。将这些解释与现有的 Open IE 系统集成，可以获得更高的收益率和更高的准确性。

    Oct, 2022

  • 学习改写以进行问答

    利用释义学习问题表达的多样性来提高询问回答系统在 Freebase 和句子选择上的准确性。通过训练端到端来直接学习最有可能产生正确答案的语言表达，得到了有竞争力的结果。

    Aug, 2017

  • iParaphrasing：通过图像提取基于视觉的复述句

    本文提出了一种新的任务 iParaphrasing，通过提取基于视觉的复述词（VGPs）来改善语言和图像多模态任务的性能，使用各种现有方法和基于神经网络的图像注意力方法建模 VGPs 之间的相似性并报告了结果。

    Jun, 2018

  • 语料库统计遇上名词复合词：一些实证结果

    该研究实现并比较了名词复合分析的各种统计方法。结果表明，使用概念联想不仅能够实现广泛覆盖，还能提高准确性。基于依赖语法的分析模型比基于最深成分的分析模型更准确，尽管后者在文献中更为普遍。

    Apr, 1995

  • 隐喻释义生成：用字面文本来训练隐喻语言模型

    通过使用隐喻语言模型掩盖字面意思从而生成比喻性的解释，且该方法不仅关注动词，还包括名词和形容词。 这种方法在元数据的分类中实现了比人工方法更高的水平。

    Oct, 2022