EMNLPSep, 2020

基于语义分割的未完整话语改写

PDF
TL;DR本研究提出一种将不完整话语改写问题表述成语义分割问题，通过预测单词级别的编辑矩阵来引入编辑操作，能够捕捉到局部和全局信息，取得了多个公共数据集上的最新成果。此外，我们的方法在推理中比标准方法快四倍。
incomplete utterance rewritingsemantic segmentationedit operationsword-level edit matrixstate-of-the-art performance
发现论文，激发创造
  • 基于串行贪心标记的不完整话语重写

    本研究提出了一种基于序列标注的模型，同时引入了说话者感知嵌入技术，以更好地从对话上下文中提取信息，实验结果表明该模型在所有九个还原分数方面都取得了最佳结果，另外，由于模型的简单性，我们的方法在推理速度上优于以前的大多数模型。

    Jul, 2023

  • 语义解析中的句子重写

    提出了一种基于句子重写的语义解析方法，通过将句子重写为具有与其目标逻辑形式相同结构的新形式，有效解决了自然语言和目标本体之间的词汇不匹配问题。具体而言，针对两种常见类型的不匹配，提出了基于字典的 1-N 匹配和基于模板的 N-1 匹配的两种句子重写方法，并在语义解析基准数据集 WEBQUESTIONS 上评估了系统性能，实验结果表明，我们的系统在 F1 上比基础系统提高了 3.4％，并生成更准确的逻辑形式和更鲁棒的句法分析。

    Jan, 2019

  • 不完整话语重写的多粒度信息交互框架

    通过多任务信息交互框架，包括上下文选择、编辑矩阵构建和相关性合并，捕捉语义信息的多粒度特点，从而超越同领域现有最先进模型，在两个基准数据集 Restoration-200K 和 CANAND 上表现出色。

    Dec, 2023

  • 不完整语句的线索挖掘：基于查询增强网络的不完整语句重写

    提出了一个名为 QUEry-Enhanced Network（QUEEN）的模型，它使用查询模板和编辑操作评分网络来解决不完整话语重写的问题，实现了几个公共数据集上最先进的性能。

    Jul, 2023

  • 自注意力用于不完整话语改写

    本文提出了一种新的方法，通过直接从 transformer 模型的自注意力权重矩阵提取 coreference 和 omission 关系，并相应地编辑原始文本，从而生成完整的话语，从而实现自然语言处理中的不完整话语改写任务。

    Feb, 2022

  • 鲁棒对话话语改写的序列标注

    该论文提出了一种基于序列标注的对话重写模型，通过在 REINFORCE 框架下注入 BLEU 或 GPT-2 等损失信号，提高了生成语句的流畅度，进而在领域转移方面显示出比当前最先进系统更大的改进。

    Dec, 2020

  • 双向语言模型在语义分割中改善长篇语音识别

    通过从语言模型中提炼标点符号知识，并将其应用于分割长篇语音，我们研究出一种优于其他方法的，实现了 3.2% 相对词错误率增益以及 60ms 中位端到端延迟降低的流式自动语音识别管道分割器。

    May, 2023

  • 多轮对话中的对比学习句子重写

    该论文介绍了如何使用对比学习和多任务学习相结合的方法来提高上下文建模中的缺失语句重写系统的目的。实验表明，该方法在几个公共数据集上均达到了最先进的性能。

    Mar, 2022

  • 利用话语重写提高多轮对话建模

    该研究提出了一种将人类话语重写作为预处理方法，以帮助多轮对话建模。使用指针网络提出的基于 Transformer 的话语重写架构训练的话语重写器可以轻松地集成到在线聊天机器人中，并在不同领域带来一般性能的提升。

    Jun, 2019

  • 采用句子级语义匹配和答案位置推断来改善问题生成

    本文提出了一个能够改进问题生成中的关键词生成和全局问题语义缺失问题的神经问题生成模型，并且利用了句子级别的语义匹配和答案位置推断功能，并运用了基于答案感知的门控融合机制来增强解码器的初始状态，结果表明我们的模型在 SQuAD 和 MARCO 数据集上领先于现有的最先进模型，同时还对现有模型进行了显著改进。

    Dec, 2019