Apr, 2022

汉语成语转述

PDF
TL;DR本文提出了中文成语改写（CIP）任务，以将包含成语的句子重新表述为不成语的句子并保留原本的意思，从而方便处理中文数据集和提高中文 NLP 任务的性能。本研究使用人与机器协作建立了一个包含 115,530 个句子对的大规模 CIP 数据集，并且使用三种基线模型和两种新方法，表现更好。
chinese idiomscipnlpparaphrasingdataset
发现论文，激发创造
  • PETCI：中文成语的并行英文翻译数据集

    提出了 PETCI 数据集，该数据集是一组英汉对照的成语翻译，通过分类模型，在改善机器翻译的同时也可以提供给语言学习者参考。

    Feb, 2022

  • ChID: 一份大规模的中文成语完形填空数据集

    本文提出了一个大规模的中文填空测试数据集 ChID，用于研究汉语特有的习语理解，该数据集以候选成语替换文章中的成语，考察了候选成语的设计和成语表示对最先进模型的成绩表现的影响，结果显示机器准确率明显低于人类准确率，为今后的进一步研究留下了许多空间。

    Jun, 2019

  • 无强监督下的习语表达释义

    本文探讨了习语句子改写的任务，提出了无监督和弱监督的方法来解决数据不足的问题，并用自动和手工评估验证了这些方法的有效性，该任务的实际用途是作为 En-De 机器翻译的预处理步骤。

    Dec, 2021

  • 基于 BERT 的双嵌入模型用于汉语成语预测

    该研究提出了基于 BERT 的双重嵌入模型来预测句子中的成语，实验表明该方法在中文成语填空测试数据上具有更好的表现。

    Nov, 2020

  • 利用黑名单方法评估中文成语机器翻译性能

    本文基于黑名单方法，使用一个新的评估方法 CIBB 测试数据集，对机器翻译系统的成语翻译质量进行了评估，结果表明常见错误类型为逐字逐句字面翻译，黑名单方法可以有效发现该种错误类型。

    Nov, 2017

  • 潜在习语表达（PIE）英语：习语类语料库

    本文提供一个大规模的，用于英语自然语言处理的潜在成语表达（Potential Idiomatic Expression，PIE）数据集，其中包括超过 1,200 种逾二十一万个语料库样例，涵盖了十类（或意义）成语及其词义，提供了基准和比较三种常见的模型（包括 BERT 模型）的分类实验，该数据集可扩展，可用于各种 NLP 任务。

    Apr, 2021

  • 会话系统中成语的向量表征

    本文研究表明，由习语或比喻语言训练的开放域对话系统能够更好地生成与包含习语提示相符的回复，通过利用潜在习惯表达（PIE）- 英语习语语料库，我们实现了 98％F1 宏分数的准确率和更好的会话回复效果，为公众贡献了模型检查点 / 演示和代码。

    May, 2022

  • 使用语义兼容性进行惯用语表达式识别

    本研究提出了一种多阶段深度神经网络架构，利用注意力机制和上下文信息对句子中的习语表达进行定位，通过评估表明该模型能够在各类习语表达的数据集上实现新的最优结果，并具有对未见过的习语表达的识别能力。

    Oct, 2021

  • 从图像标题中获取释义

    本文介绍了一种新的挖掘图像说明文字的方法， 构建并分析了相应数据集，证明了其作为解释的潜力，并通过算法确定了不同来源的特征地图，以识别来自不同来源的释义方式。

    Jan, 2023

  • iParaphrasing：通过图像提取基于视觉的复述句

    本文提出了一种新的任务 iParaphrasing，通过提取基于视觉的复述词（VGPs）来改善语言和图像多模态任务的性能，使用各种现有方法和基于神经网络的图像注意力方法建模 VGPs 之间的相似性并报告了结果。

    Jun, 2018