AAAIDec, 2021

一种标签依赖感知的多层隐性语篇关系识别序列生成模型

PDF
TL;DR本研究提出了一种标签依赖的序列生成模型，对多层次的隐式话语关系识别进行条件化标签序列生成，实现全局和局部与标签相关的表示，利用自下而上和自上而下的相互学习方法提高建模性能。
implicit discourse relation recognitionmulti-level idrrlabel dependencesequence generation modelmutual learning
发现论文，激发创造
  • DiscoPrompt：隐性语篇关系识别中的路径预测提示调优

    本文提出了一种基于提示的路径预测方法来识别隐性的篇章关系，此方法利用了层级结构的信息并加以利用于预先训练好的语言模型中，从而在隐性篇章关系的识别上取得显著的性能提升。

    May, 2023

  • 基于提示的逻辑语义增强的隐含篇章关系识别

    通过 Prompt-based 连接词预测将与话语关系相关的知识无缝地注入到预训练语言模型中，提出了 Prompt-based Logical Semantics Enhancement（PLSE）方法，使其能够轻松获取逻辑语义的丰富特征，从而在话语关系识别方面取得了优异和一致的表现。

    Nov, 2023

  • 将分层指导纳入提示调整：一种用于多级隐含话语关系识别的参数高效框架

    本文提出了一种基于提示的高效多级隐式语篇关系识别框架，利用参数高效的提示调整方法来将输入的论证匹配到预训练空间，并通过层次化标签优化方法实现深度整合，从而在 PDTB 2.0 和 3.0 数据集上取得了可比较的结果。

    Feb, 2024

  • 隐含式篇章关系识别调查

    本调查研究提供了隐含话语关系识别（IDRR）任务的全面和最新发展情况，包括任务定义、数据源、解决方案及其性能比较，并讨论了该领域的未来研究方向。

    Mar, 2022

  • 全局和局部基于层级感知的对比框架在隐式篇章关系识别中的应用

    提出了一种新颖的全局和本地层次感知对比框架（GLOF），以通过对比学习来建模两种层次。该方法在 PDTB 数据集上显着优于当前最先进的模型，解决了暗示性篇章关系识别 (IDRR) 在篇章分析中的难题。

    Nov, 2022

  • 变分神经话语关系识别器

    本文提出 VarNDRR，这是一种基于生成模型的变分神经篇章关系识别器。与现有的使用强大手工特征或深度篇章表示的判别模型不同，VarNDRR 建立了一个具有潜在连续变量的有向概率模型，用于生成篇章和篇章两个论点之间的关系。通过利用神经篇章关系模型来近似潜变量的先验和后验分布，并采用这些拟合分布优化变分下界，可以使 VarNDRR 使用标准随机梯度方法进行训练。实验表明，VarNDRR 在不使用任何手工特征的情况下，与现有的最佳模型相比具有可比性的结果。

    Mar, 2016

  • 隐式篇章关系识别中的自适应提示学习与精炼连结知识

    AdaptPrompt 是一种连续版本的提示学习方法，结合连接性知识蒸馏，在减少手动设计的同时进一步提高性能，采用了虚拟令牌、梯度搜索和答案关系映射等技术实现。

    Sep, 2023

  • 任务引导提示学习在隐式话语关系识别中的应用

    该研究提出了一种称为 TEPrompt 的任务启示式预测学习模型，通过融合三个相关任务的学习特征来识别不明确文本间关系，实验结果表明，TEPrompt 在 IDRR 中表现优于 ConnPrompt，并且能够通过辅助任务的联合训练来提高决策特征和语言模型。

    May, 2023

  • 隐含话语关系识别的多标签分类

    在我们的工作中，我们通过探索各种多标签分类框架来处理隐含语篇关系识别，并显示多标签分类方法不会降低单标签预测的性能。此外，我们对结果和数据进行了全面的分析。我们的工作有助于推动对语篇关系的理解和应用，并为未来研究奠定基础。

    Jun, 2024

  • 一种基于提示的细粒度隐式对话关系识别方法

    探索利用连接词预测来解决隐含语篇关系识别 (IDRR) 的问题。该方法使用预训练模型，并利用连接词和语篇关系之间的强相关性来帮助模型识别隐含语篇关系，同时对于 fine-grained few-shot 语篇关系中取得了优异成果。

    Oct, 2022