本研究提出了一种基于组合范畴语法的组成性语义，并与基于自动定理证明的推理系统相结合，成功将英语中各种比较结构映射到语义表示中，本研究在包含比较、量词和数字的三个自然语言推理数据集上的实验证明该系统的表现优于之前的逻辑系统和最新的深度学习模型。

May, 2020

我们在组合范畴语法 (Combinatory Categorial Grammar, CCG) 框架中提出了对各类极性问句和 wh - 问句的组合语义，为了评估我们提出的分析的解释力，我们引入了一个特别设计用于评估疑问句语义的问答数据集 QSEM。我们使用现有的 CCG 解析器实现了我们的分析，并利用该数据集进行评估。通过评估，我们得到了包含 QSEM 的一半样本的带有 CCG 树和语义表示的注释数据。此外，我们讨论了 CCG 的理论能力与现有 CCG 解析器的能力之间的差异。

Dec, 2023

本文基于预训练语言模型研究了构式语法（CxG）与句法语义知识的兼容性，并探讨了预先训练的语言模型在英语比较关联结构（CC）的分类和理解中的表现，结果显示预训练语言模型的类人表现与语言学知识之间还存在显著差距。

Oct, 2022

通过使用组合范畴语法（CCG）作为语法模型，研究人员发现可以更好地理解自然环境中语言理解的行为和神经相关性。使用 fMRI 收集参与者听故事期间的神经信号，研究发现 CCG 在解释神经信号方面的有效性优于上下文无关文法，并可以从可选附加语方面解释。

Oct, 2022

本研究使用组合类别语法的句法分析方法和基于逻辑的 NLI 系统，利用时态关系公理和自动证明器，分析复杂的日语时态和方面表达方式，实现了针对日语中的时态关系推断。实验测试表明，我们提出的系统优于之前的基于逻辑的系统和现有的深度学习模型。

Apr, 2022

本文提出了一种通过将浅层特征和句子对之间的双向蕴涵关系的自然演绎证明的特征相结合的方法来确定语义文本相似度的方法，并使用 ccg2lambda 实现自动推理。实验表明，本方法能够超越其他逻辑方法，并且证明导出的特征对学习文本相似度很有效。

Jul, 2017

通过两种方法比较语言表征框架之间的映射，采用 STREUSLE corpus（具有句法和词汇语义注释）转换为 UCCA 的规则转换器和使用来自其他语言表征框架的信息作为特征的监督去 lexicalized 解析器，评估它们之间的映射关系。尽管两种方法在 UCCA 中产生了极高的准确性，但我们仍然发现了一些重要的分歧区域。

Nov, 2020

本文研究使用 GPT-2 等较小的语言模型获取比较知识的任务，提出一种新的比较知识提取框架 NeuroComparatives，并通过对所获得的 8.7M 个关系的人类验证，证明其优于现有资源（包括 GPT-3），这一结果表明适用于较小语言模型的神经符号操作是目前主流极大规模语言模型应用范围受限的一种有效的替代方案。

May, 2023

本研究使用预训练的句子嵌入，基于梯度提升模型自动识别比较句子并对其意向进行分类，可用于支持相互竞争的、比较性的和论证性的搜索引擎和辩论技术。

Sep, 2018

评估语言处理架构的组成能力的语义解析数据集 COGS 表明现代标准 NLP 模型在其组成泛化能力上存在局限性，而将 COGS 定位为衡量进展的好方法。

Oct, 2020