探讨了一种医学自然语言处理系统，其框架受到人类认知机制的启示，该系统通过一种分层语义组成模型（HSCM）来指导解释过程，其中包括语义记忆、语义组合、语义激活和分层预测编码等认知方面。为了将自由文本句子转换为其意义的逻辑表示，研究设计了一种生成语义模型和一个相关的语义解析器。

Apr, 2022

基于统一数据处理框架，提出基于大规模、多样化和高质量预训练数据的基础模型，并通过例子和测试展示其在提高数据质量方面的效果。

Feb, 2024

通过 HuggingFace Transformers 设计的 HugNLP 统一和全面地涵盖了自然语言处理的库，包含模型、处理器和应用层次结构，支持在不同的 NLP 任务上预训练语言模型的学习过程， 并且还提供了一些特色的 NLP 应用程序，如知识增强的 PLMs、通用信息提取、低资源挖掘和代码理解和生成，等等。

Feb, 2023

本文提出了一种使用统一的隐式对话框架来进行面向目标，信息搜寻任务的会话搜索应用的方法，该方法可以利用底层数据表示来构建对话交互所需的组件，该框架由一系列端到端可训练模块的管道组成，其中集中的知识表示被用于语义地连接多个对话模块，各种工具被集成到该框架中以获取最终用户的输入以持续改进该系统，该方法的目标是通过识别可以适应和重复使用于许多最终用户应用程序中的组件和数据来促进对话系统的开发，我们通过为几个独立领域创建对话代理来展示我们的方法。

Feb, 2018

教育资源理解对于在线学习平台至关重要，该研究旨在开发出一种统一、模块化、广泛应用的库（EduNLP），以实现有效且易于使用的自然语言处理工具，以促进人工智能教育相关研究和应用。

Jun, 2024

NLP Workbench 是一个基于最新预训练模型和学术开源系统构建的文本挖掘 Web 平台，采用微服务架构设计提高效率，支持实体链接、情感分析、语义解析和关系抽取等语义分析功能。

Mar, 2023

本文提出一个可视化分析工具 DeepNLPVis，采用基于互信息的量化方法对深度自然语言处理模型进行统一理解，通过多层次的可视化（语料库级别、样本级别和单词级别）支持从整体到个别的分析，通过两个分类任务的案例研究和模型比较，证明了 DeepNLPVis 能够帮助用户识别潜在问题并做出知情决策。

Jun, 2022

提出了一种能够适用于多种自然语言处理任务（包括词性标注、Chunking、命名实体识别和语义角色标注）的统一神经网络架构和学习算法，该系统可以通过学习大量无标注训练数据的内部表示，避免任务特定的工程方法，并构建一个具有良好性能和最小计算要求的可用标记系统。

Mar, 2011

提出一个新的基于 Docker 的框架来简化并加速自然语言处理的流程，其中包括一个通用的数据模型和 API 描述以及图形用户界面，并以此实现了 ANGLEr 自然语言处理框架。

May, 2022

通过对现有文献进行广泛分析，我们发现在自然语言处理的人工评估方法中存在一些缺陷，这促使我们开发了一种层次化评估框架，该框架具有更全面地表示自然语言处理系统性能的显著优点，并应用于评估机器阅读理解系统及其与人工智能共生模型中的输入和输出的质量之间的关联。

Oct, 2023