本文介绍了一个基于 NLP 资源的语义相似性数据集，用于填补心理语言学研究中的空白，并通过提供大量受词汇处理中起重要作用的变量控制的名词对的语义相似性的各种量化方式。

Apr, 2023

本文介绍了一个基于模拟瑞尔兹（SimRelUz）数据集的语义模型评估数据集，用于评估语义模型的鲁棒性和低资源语言的语义关系。

May, 2022

本文旨在填补对上下文依赖词向量表示评估的空白，介绍了一个新数据集 CoSimLex，它提供了基于上下文的相似度量，不仅涵盖了单词意义上的离散差异，而且涵盖了更微妙、更连续程度的意义变化，并且覆盖了不只一个语言。

Dec, 2019

SimLex-999 是评估分布语义模型的黄金标准资源，通过关注相似性，而非联想或相关性，改进了现有资源的评价方式以及提供了的具体和抽象的形容词、名词和动词对，具有良好的可塑性和更大范围的应用。此外，SimLex-999 可用于分析模型在不同类型的概念上的表现，并指导下一代表示学习体系结构的发展，以进一步提高其性能。

Aug, 2014

探索和量化语义相关性对于表示语言至关重要，它对各种 NLP 任务具有重要意义，包括提供关于大型语言模型能力和性能的见解。本文介绍了 SemRel，这是一个由母语为 14 种语言的本土人士进行注释的新的语义相关性数据集收集项目。每个实例都是一个句子对，并与表示两个句子之间语义文本相关性程度的分数相关联。分数是通过比较性注释框架获得的。我们描述了数据收集和注释过程、构建数据集时的相关挑战以及它们在 NLP 中的影响和实用性。我们还报告了对每种语言以及不同语言之间进行的实验。

Feb, 2024

介绍了 Multi-SimLex，这是一个大规模的词汇资源和评估基准，涵盖了 12 个语言的数据集，提供了单语和跨语言评估，评估了各种最新的单语和跨语言表示模型，这个资源可以在多语言词汇语义和表示学习领域产生显著的进步。

Mar, 2020

该研究利用来自当地美国报纸的新数字化文章创建了一个巨大的语义相似性数据集，并利用深度神经方法检测了这些文章中的正面语义相似性对。该语义相似性数据集跨足了 70 年，包含近 400M 个正面语义相似性对，随着时间跨度的增加，将有助于将对比训练的语义相似性模型应用于各种任务。

Jun, 2023

本文介绍了一个用于歌词语义相似度任务的新数据集和基准。通过一项集体注释实验，我们获得了 676 个高质量的注释对，并评估了各种最先进的单语和多语言语言模型的性能，以建立未来学术和工业应用的基准结果。

Jun, 2023

本文介绍一个新的数据集 ——STR-2022，该数据集包含 5,500 个英文句子对，用比较注释框架手动注释，得出精细的分数，用于探索相关性和评估自动句子表示方法及下游的自然语言处理任务。

Oct, 2021

该论文提出了一种新的向量表示方法，将词汇对比整合到分布式向量中，并加强了确定词语相似度度量的最显著特征。改进后的向量模型明显优于标准模型，并且可以跨词类（形容词，名词，动词）将反义词从同义词中区分开来。此外，该论文还将词汇对比向量整合到跳字模型的目标函数中，改进后的嵌入能够超越现有最先进的模型，在预测 SimLex-999 中的词语相似度和区分反义词和同义词方面表现优异。

May, 2016