通过 COLT 模型，可以实现与用户查询语义相似并具有协同关系的工具的检索，该模型在工具检索方面的性能超过了参数更多的 BERT-large (340M) 模型，并公开发布了 ToolLens 数据集以支持进一步的工具检索研究。

May, 2024

T2I 个性化通过语义匹配替换目标值与参考值，将 T2I 个性化重新构想为语义匹配，避免破坏预训练模型的多样性能力，并引入了一种语义一致的遮罩策略以隔离个性化概念与目标提示之外的无关区域。

Feb, 2024

使用预先训练的语言模型以自然语言表示项，通过语义匹配进行项目推荐和对话生成的统一模型 PECRS，在两个基准数据集上的实验证明了其在推荐和对话方面的有效性。

Jan, 2024

本文介绍了自然语言处理技术在金融监管框架中的应用，特别是在没有可用于监督学习的数据集时进行规则和政策的语义匹配搜索。我们概述了如何通过使用免费资源超越简单的预训练句子变换模型，并解释了自然语言处理的关键组成部分背后的数学概念。

Nov, 2023

本文将产品属性值的提取任务重新定义为一个多标签分类任务，并提出了一种带有语义匹配和负标签采样的分类模型，实验证明该模型在真实世界的电子商务数据集中表现出有效性和优越性。

Oct, 2023

我们提出了一种 Behavior Augmented Relevance Learning 模型，通过利用邻居查询和邻居项来补充目标查询 - 项语义匹配，从而改进了 Alipay Search 的准确性和鲁棒性。实验结果显示我们的提案在低延迟下取得了有希望的性能。

Aug, 2023

本文探究使用与食品相关的语料库对预训练基于 Transformer 的语言模型进行预训练的有效性，并利用外部知识源，如 FoodOn 本体论，对此任务进行微调，提出使用基于 GPT 模型作为基线和利用 ChatGPT 作为外部知识源进行研究的两个新途径，同时扩展了本研究的范围，探讨了其他自然语言处理任务。

Jun, 2023

该研究主要针对零样本关系提取中的语义匹配问题，通过设计一种细粒度语义匹配方法，将句子级相似度分成实体和语境匹配分数，并通过特征蒸馏模块自适应识别与关系无关的特征，从而提高匹配率和推理速度。

Jun, 2023

本研究提出了一种基于深度学习的 NLP 模型，利用语义类型嵌入和动态结构编码器模块进行事件抽取和论证角色提取，用于信息抽取的关键任务之一的事件提取，并在 ACE2005 数据集上取得了显著的性能提升。

Jun, 2023

本文提出了一种名为 Representation ALchemy (RepAL) 的极其简单的后处理方法，它通过去除句子嵌入中的冗余信息增强了句子表征，该方法无需训练即可直接应用于大多数现有的无监督句子学习模型，从而有助于现实场景下的语义匹配和检索问题。

May, 2023