通过抽取一种从纵向数据集中提取出的时间关系模型，该篇论文为查询扩展任务提供了一种算法框架，以实现对搜索系统中的历史内容的更精确的识别和检索。

Jul, 2017

本研究介绍了一种基于视觉和文本特征相结合的多模态方法，用于对历史报纸进行语义分割。该方法在 diachronic Swiss 和 Luxembourgish 报纸上进行了实验，结果显示多模态模型相较于强视觉基线模型进一步提升了高材料变异的鲁棒性和在不同时间和来源下的预测能力。

Feb, 2020

本文介绍了一个数据集 AspectNews，并比较了不同训练方案的效果，研究表明最终方法可以生成更好的聚焦摘要，相比通用摘要系统或关键字匹配更为敏感。

Oct, 2021

对于神经摘要系统的明显改进及其依赖的语料库的基础逻辑尚未得到广泛探讨，因此本文提出了摘要的三个子方面：位置、重要性和多样性，并针对九个不同的摘要语料库（例如新闻、学术论文、会议纪要、电影剧本和书籍）进行了广泛分析。研究发现，尽管位置在新闻报道中存在重大偏见，但在学术论文和会议纪要等其他领域不是这种情况。此外，我们的经验证明不同类型的自动摘要系统（例如基于神经网络）由不同程度的子方面组成。因此，本研究提供了有关在收集新的摘要数据集或开发新系统时考虑基础子方面的有用信息。

Aug, 2019

本研究设计了三个接口 —— 注释文章、重新组合文章和问题网格 —— 旨在帮助读者发现新闻报道的多样性，第一次可用性研究表明这些设计的接口都展现了报道的多样性，并确定了每个接口的潜在用例和受众，第二次可用性研究表明，相较于现有的两个接口，注释文章接口的用户能够更全面地回答问题，同时发现该接口易于使用。

Feb, 2023

使用 News Deja Vu 这一语义搜索工具，借助 Transformer 大型语言模型和双编码器方法，识别与现代新闻查询最相似的历史新闻文章，以揭示看似独特于现在的现象在历史上的多样性，为社会科学家提供了一个强大工具，帮助他们探索人们对过去和现在的感知之间的相似之处。

Jun, 2024

本文提出了一种生成多个与关键词相关、高质量、多样化新闻标题的方法，使用多源 Transformer 解码器，并构建了第一个大规模的具有关键词意识的新闻标题语料库，并在真实数据集上进行了广泛实验比较。

Apr, 2020

通过定义查询细化概率的新方法，并提出了一个统一的框架来研究结果多样化方案的性能和可行性。在标准测试集上，OptSelect 算法相较于 IASelect 和 xQuAD 算法，能够以两个数量级的速度更快地运行，且具有可比效果。

May, 2011

本文通过时间序列的词汇联想分析，以及针对 OCR 错误引入噪音的技术处理，研究了加勒比地区殖民时期（18 世纪到 19 世纪）历史报纸中性别、种族偏见的连续性和转化。研究结果表明，种族和性别偏见是相互依存的，两者的交叉触发了不同效应，这与交叉性理论一致。

May, 2023

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