本文提出一种名为 Explicit Semantic Analysis（ESA）的新方法，基于 Wikipedia 的概念表示未受限制的自然语言文本的含义，用于文本分类和计算自然语言文本片段之间的语义相关性，此方法利用自然概念使 ESA 模型易于向人类用户解释，并在这两个任务中取得了显著的改进。

Jan, 2014

本论文在语义处理方面做出重大贡献，提出了多种数学模型以及解决研究范式中存在问题的建议，从而大大提升了机器自动进行语义推理的复杂性和粒度。

Sep, 2017

该论文介绍了一种基于词嵌入的 query expansion 方法，使用人工神经网络分类器来预测 query expansion 词汇的有用性，实验结果表明该方法显著提高了检索性能。

Nov, 2018

本研究提出了一种基于语料库的方法，可用于构建特定领域的语义词汇表，以帮助自然语言处理领域的系统，从而填补了其对手动编码各个应用程序的依赖。

Jun, 1997

本研究提出一个自我学习的组合方法，通过引入具有权重的句法和语义相似度指标来确定来自预定数据库的类似问题，通过全面分析证明其效率和功效高于现有文献。

Apr, 2022

该研究提出了一种将搜索引擎文档扩展为与其内容相关或代表性术语的简单方法，并利用基于 Vanilla 序列到序列模型的数据集对其进行扩展，结合高效的重新排序组件，实现了两种检索任务的最高效结果。

Apr, 2019

通过结合语义增强机制，本论文提出的 CasAug 模型能够解决关系抽取中的三元组重叠问题，提高关系抽取效果，并能更好地处理重叠问题和提取多个关系。

Nov, 2023

近年来，大型预训练语言模型（如 BERT 和 GPT）显著改进了各种任务的信息提取系统，包括关系分类。然而，解释性的不足目前是许多实际应用中的一个复杂因素。本文提出了语义范围的概念，用于分析关系分类任务的决策模式，并通过比较人类和模型的语义范围，揭示出模型倾向于从数据中学习快捷模式的问题。我们的方法可以帮助检测和消除模型开发过程中的虚假决策模式，进一步提高自然语言处理系统的可靠性和安全性，并为解释深度学习模型开辟了新的研究方向。

Aug, 2023

本书主要介绍语义相似度估计及其它语义度量学科的两种最先进的方法：自然语言处理技术和语义模型以及基于语义网络、词库或本体论的计算机可读的知识形式。它的目的是为初学者和研究人员提供更好地理解语义相似度估计和更一般的语义度量。

Apr, 2017

本文提出了一种自我监督和用户行为导向的产品分类法拓展框架，通过从现有的分类法和用户点击日志中抽取用户感兴趣的候选下义词关系并利用预训练语言模型和图神经网络结合对比学习来建模概念和关系，以自动将新概念附加到现有分类法，从而减少手动更新的人力成本。

Mar, 2022