MMJan, 2020

基于神经网络的篇章关系标记检测方法

PDF
TL;DR本研究使用了数据驱动方法和基于远程监督的神经网络来检测文章中的话语关系信号，开发了一个名为 “Delta s” 的衡量信号强度的度量，该度量通过上下文词嵌入表示每个单词对于关系识别的积极或消极贡献，通过对英文语料的分析，研究了该度量的可靠性，以及其与人类判断的重叠和差异，并探讨了神经模型在自动话语关系分类中所需的特征。
data-driven approachneural networkdiscourse relation signalssignal strengthcontextualized word embeddings
发现论文，激发创造
  • 穿越华尔街日报：跨越流派的对比和主题锚定

    本研究通过将 Liu 和 Zeldes（2019）的信号识别和定位方案适用于三种不同语体，检查了信号装置在关系和语体中的分布，并提供了在此数据集中发现的指示性信号的分类。

    Sep, 2019

  • 隐含篇章关系预测中的句子邻居分析

    提出了三种新的方法来整合上下文在句子关系预测任务中：（1）直接邻居、（2）扩展窗口邻居和（3）部分智能随机邻居。研究结果表明，在篇章关系分类任务中，超过一个篇章单元的上下文包含是有害的。

    May, 2024

  • 远程监督数据中的假阳性和交叉关系信号

    本文探讨了远程监督关系提取中数据质量的两个问题以及如何使用 CrowdTruth 度量来改善；同时，使用 CrowdTruth 改善了关系分类模型的训练数据。

    Nov, 2017

  • 有歧义的语篇标记和交织关系的分布式标记表示

    通过学习分布式标记表示以及潜在的语篇感，实现了对句子对之间的标记和语段信息的联系，具备自动学习和解释性强的特点，并在隐式语篇关系识别任务中达到了 SOTA 效果。

    Jun, 2023

  • 变分神经话语关系识别器

    本文提出 VarNDRR，这是一种基于生成模型的变分神经篇章关系识别器。与现有的使用强大手工特征或深度篇章表示的判别模型不同，VarNDRR 建立了一个具有潜在连续变量的有向概率模型，用于生成篇章和篇章两个论点之间的关系。通过利用神经篇章关系模型来近似潜变量的先验和后验分布，并采用这些拟合分布优化变分下界，可以使 VarNDRR 使用标准随机梯度方法进行训练。实验表明，VarNDRR 在不使用任何手工特征的情况下，与现有的最佳模型相比具有可比性的结果。

    Mar, 2016

  • DiscSense: 议态词自动语义分析

    使用训练预测语篇标记的模型预测已知语义关系的句子对之间可信的标记，从而在现有分类数据集上提供语篇标记与语义关系之间的自动化底层特征化。

    Jun, 2020

  • 使用语篇关系最小监督学习情感事件

    本文提出了使用话语关系传播情感极性的方法，该方法只需要一个非常小的种子词汇表和一个大型原始语料库，能够有效地识别日语数据中的情感事件。同时，即使标记数据很少，该方法也能改善监督学习结果。

    Sep, 2019

  • 通过利用感知关系的层次结构促进话语关系意义的对比学习

    利用层次化结构和对比学习技术来提高隐式篇章关系识别的性能。

    Jan, 2023

  • 一种用于语篇关系语言模型的潜变量循环神经网络

    本文提出了一种新颖的潜变量循环神经网络架构，用于同时建模词序列和相邻句子之间的（可能潜在的）言语关系。它通过循环神经网络生成单个单词，并可以使用潜在变量表示言语关系。该模型可以使用既包括言语关系分类又包括词预测的训练目标，从而优于最先进的替代方案，它可以用于隐含语篇关系分类以及对话行为分类。在测试时间通过潜在言语关系求和，我们获得了一个获得语篇的语言模型，从而改进了一个强大的 LSTM 基线。

    Mar, 2016

  • 深度增强表示法用于隐式语篇关系识别

    本研究探讨了一种模型，利用包括字符，子词，单词，句子和句对级别的不同粒度的文本表示来更好地表示文本，该模型在隐含关系识别中取得了 48% 以上的最新成果。

    Jul, 2018