利用标签锚定对比学习方法,通过学习标签嵌入来映射不同框架中的语篇关系。
Mar, 2024
本文旨在建立一个语义依赖关系框架,并研究基于此框架的语料库进行多元语言分析,为依步性分析提供数据基础。
Jan, 2021
本文介绍了针对科技文章的 SciDTB 语料库,使用依存树结构来表示篇章中各个部分之间的关系,成为评估篇章依存解析器的基准,并提供了一些基线用以评估。
Jun, 2018
本文提出一个基于文档级别的多语言 RST 话语分析框架,该框架将 EDU 分割和话语树解析结合在一起,并且引入了跨语言翻译增强策略,以支持多语言解析并改善其领域通用性,实验结果表明,该模型在所有子任务中实现了文档级别多语言 RST 解析的最新性能。
Oct, 2021
该文提供了关于中文语篇结构理论的标注的指南,并包含预处理、分割和定义篇章关系的步骤和示例,旨在促进 RST 框架的跨语言应用。
Oct, 2022
本文提出一个新的卷积神经网络嵌入多任务学习系统,用于综合 PDTB 语料库内多个特定于每个语料库的言语分类任务,并展示实验结果表明我们的模型可以显著提高 Implicit discourse relation classification 任务的性能。
Mar, 2016
通过无监督学习的隐式树归纳框架,提出了一种新的策略来生成结构化的文本,例如语法分析、话语分析等,以及更倍覆盖的话语树库,并在多个领域中展示了具有前景的结果。
Dec, 2020
本文提出了一个新型的文本摘要模型,RSTformer,综合考虑了修辞关系的类型和不确定性,采用基于文档级修辞结构的 RST-attention 机制,取得了显著的性能优势。
May, 2023
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
使用神经框架和指针网络,基于 Rhetorical Structure Theory (RST) 的句子级别的语篇分析提出了一种高效的分析方法。基于分段器和分析器的性能表现显示出此方法具有优势且逼近人类认知水平。
May, 2019