通过序列到图和强化图优化生成高效思维导图
本文介绍了一种构建人工智能心智图的框架,通过主谓宾策略,并结合 D. Klein 和 C. D. Manning 的代词消解引擎,可用于自动文本摘要和特定信息的检索。
Oct, 2008
在大规模跨学科数据集 CORD-19 上进行实证研究,结果表明我们提出的面向语义的图形函数可以通过 BM25 检索的候选项达到更好和更稳定的性能,这可以作为未来开发文档检索和分类等文本推理任务的有效图神经网络的指导。
Jan, 2022
本文介绍了一种新型图形转换编码器,可处理知识图谱等非层次性图形的内容,应用于科学文本领域的图 - 文本生成,评价结果表明,该技术可以产生比竞争的编码解码方法更具信息量且结构更好的文本。
Apr, 2019
本文提出了一种神经抽象的文档多摘要模型,该模型利用文档之间的相似性图和话语图等知名图形表示来更有效地处理多个输入文档并生成抽象的摘要,其利用图形编码文档以捕捉跨文档关系,可以利用图形来指导摘要生成过程,结果表明该架构相比多个强基线带来了实质性的改进。
May, 2020
本论文提出了一种基于图表达的文本相似性和差异性总结方法,使用 “spreading activation” 技术在两个相关文档中发现与主题语义相关的节点,并将两个文档的激活图匹配以获得相似和不同之处的图。
Dec, 1997
通过将序列编码器与图形成分扩展,我们开发了一个框架,旨在处理文本等弱结构化数据中的长距离关系,从而实现对序列的概括。在广泛的评估中,我们展示了这种混合模型的优越性。
Nov, 2018
使用大型语言模型(LLMs)生成文本的结构化表示,通过提出有效的提示策略来解决当前模型在生成结构化输出方面的困难,并且通过使用表格和思维导图作为代表模态进行实证评估,结果表明与纯文本相比,使用表格和思维导图可以显著减少阅读理解时间而不会导致准确性降低。
Jan, 2024
多模态大型语言模型在文档分析领域取得了重大进展,为了解决结构化文档中元素之间复杂互动的问题,引入了名为 MindBench 的新评估基准,包括真实或合成图像、详细注释、评估指标和基线模型,以及五种结构化理解和解析任务,展示了当前模型在处理结构化文档信息方面的潜力和改进空间。MindBench 的推出将显著推进结构化文档分析技术的研究和应用开发。
Jul, 2024
本研究提出了一种将对话模型中的背景知识文档自动转换为文档语义图以对其进行知识选择,并联合应用多任务学习来改善句级和概念级知识选择的方法,并通过实验证明其在诸如 HollE 和 WoW 等领域的知识选择任务和端对端响应生成任务上均优于基于句子选择的基线模型,并且在看不见的话题上改进了泛化能力。
Jun, 2022