EMNLPSep, 2021

盲目性对特征消融有益：蕴含图挖掘

PDF
TL;DR通过使用情态解析器过滤新闻语料库建立蕴涵图，实验证明去除谓词中的情态修饰符（linguistic modality）可提高性能，表明在某些任务中，谓词的情态修饰在实现蕴涵证据方面是有用的（pragmatics of modal modification of predicates）。
发现论文，激发创造
  • 文本蕴含基础

    本文研究了文本蕴涵中的语义关系 —— 通过可能世界来分析前提和假说之间的关系，同时结合图像进行多模态的分析，结果表明文本和视觉信息相结合可以更好地进行文本蕴涵，但当前多模态模型在 “接地” 方面还不够优化。

    Jun, 2018

  • 可能、合理和理想：用于语言处理的基于事件的情态检测

    本文提出一种基于事件的情态检测任务，其中模态表达式可以是任何句法类的单词，其中感性标签来自一种综合分类法。该任务通过探讨模态表达式对事件的影响来改善模态事件的检测，同时在 GME 语料库上进行实验。

    Jun, 2021

  • 从理想语言模型中提取蕴涵语义

    本文探讨了使用 Gricean 数据训练语言模型，能够推断出句子之间的蕴含关系，并揭示了从无标签语言数据中提取语义信息的潜在框架。

    Sep, 2022

  • 多价蕴涵图用于问答

    本研究介绍了一种基于无监督学习的多元蕴含图方法，用来理解自然语言断言之间的关系，并在微观语义问答任务中展示了其性能。结果表明，多元蕴含图在细粒度语义问题上比双向相似性更有帮助，并且跨语言价位的证据对于回答问题比仅使用相同语言价证据更加有效。

    Apr, 2021

  • EntailE: 建立在常识知识图谱完备性基础上的文本蕴含

    本文提出了一种采用文本蕴含来找到共享常识知识图谱节点之间的隐式蕴含关系的方法，以有效地增加相同概念类中节点之间连接的子图密度，从而提高 CSKG 完成任务的性能。

    Feb, 2024

  • 基于语义的句法机器翻译中的情态和否定使用

    本文描述了为期八周的约翰霍普金斯大学人类语言技术卓越中心应用语言探索夏令营（SCALE-2009）中语义驱动机器翻译（SIMT）的资源和系统构建工作。作者引入了一种新的模态 / 否定（MN）注释方案，基于该方案和词典生成了两个自动化的 MN 标注器，并将其应用于用于翻译的语法框架中，结果显示基于结构的 MN 标注器的标注精确率高达 86％。最终生成的系统有效地提高了翻译质量。

    Feb, 2015

  • ChatGPT 与简单语言推理：盲点和缺陷

    研究探讨了 ChatGPT 在理解语言方面的局限性，着重于对于通常对人类来说很容易但对该模型来说具有挑战性的简单推理任务的限制，研究结果表明，虽然 ChatGPT 在某些领域具有语言理解的能力，但是其对于一些特定类型的蕴含有所盲区，该研究强调了更多的对 LLMs（大型语言模型）语言理解和推理能力的研究，以提高其可靠性，确立其在实际应用中的可信度。

    May, 2023

  • 视觉 - 文本蕴涵的多模态逻辑推理系统

    该研究论文通过逻辑表征作为文本和图像的统一意义表征，并提出了一种无监督的多模态逻辑推断系统，可有效证明它们之间的推理关系，结合语义分析和定理证明，系统可以处理语义复杂的视觉 - 文本推断。

    Jun, 2019

  • 一种模态词典及其在自动标记中的应用

    本文介绍了模态词的注释方案、模态词的构建、以及两种使用词汇表和注释方案构建的自动标注工具。使用基于结构的标记工具来在英文 - 乌尔都语训练语料库上注释英文模态，使得机器翻译的质量得到了提高。

    Oct, 2014

  • 利用语言模型平滑蕴涵图

    该论文提出了一种新的图形平滑方法，使用语言模型来查找缺失谓词的最近近似值来解决自然语言推理中的顶点稀疏问题，以此提高绝对百分比点的回想，并与其他边缘稀疏改进产生补充作用，同时形式化了平滑符号推理方法的理论。

    Jul, 2022