本研究提出了通用语义标注的任务，为广泛覆盖的多语言文本提供了更好的语义分析，使用具有语言中立性和信息丰富的标签对词汇进行标注，为跨语言语义分析提供了支持。语义标注在平行意义银行中的应用支持这些论点，并促进形式词汇语义学和跨语言投影，这个研究在一份小的语料库上注释了它的语义标注，并提出了通用性语义标注的新的基线结果。

Sep, 2017

本文提出了一种无监督实体类型框架，通过结合符号和分布语义，使用语言结构学习通用的嵌入，并开发了一种新型的联合层次聚类和链接算法来对所有提及进行类型。该框架不依赖于任何注释数据、预定义的打字架构或手工特征，因此可以快速适应新的领域、体裁和语言。同时，它具有很大的灵活性，可以包括语言结构等来改进特定上下文表示。

Mar, 2016

本文提出了一种基于统一语义匹配框架的信息提取方法，解决了传统方法因具体任务需定制模型且仅能适用于有见过的数据集的问题，通过对信息提取进行结构化和概念化两个基本能力的分离并引入三个统一的标记链接操作，在 4 个 IE 任务中达到了最先进的性能并表现出了强大的泛化能力。

Jan, 2023

UniST 是一个通用模型，通过对多样的时空数据特征的灵活性、精心设计的掩模策略以及时空知识引导的提示，实现对城市时空预测的强大泛化能力，15 个城市和 6 个领域的广泛实验证明了 UniST 在提升最先进预测性能方面的普适性，特别是在少样本和零样本情况下。

Feb, 2024

本文提出了一种新颖的 SSET（Semantic and Structure-aware KG Entity Typing）框架，通过结合结构知识和语义知识，以及利用两种模块的推理结果生成鲁棒性较强的类型预测，显著优于现有的最先进方法。

Apr, 2024

本文提出了一种简单的技术，使用预训练的标签嵌入将标签聚类形成语义领域，并将这些领域作为附加类型来改进现有的 UFET 模型的性能。同时作者还使用标签聚类作为后处理技术，进一步提高了模型性能。

May, 2023

LITE is a natural language inference-based approach for ultra-fine entity typing, addressing the data scarcity issue and achieving state-of-the-art performance and strong generalizability.

Feb, 2022

本文旨在通过对多种深层句法框架的分析，提出一组通用的语义角色标签建议，并将其应用于语言数据。建议基于多种理论语言观点，主要聚焦于 Meaning-Text Theory 和 Functional Generative Description 框架。数据来自西班牙语、加泰罗尼亚语、捷克语和英语。建议旨在面向 Universal Dependencies，并将通用语义角色标签用于 UD 数据。

Mar, 2023

本文提出了一种无监督事件抽取流程，使用先进的预训练语言模型并匹配语义，有效将事件映射到预定义的事件类型上，最终表现出色，成功地将 83% 的触发器和 54% 的参数映射到了正确类型。

Dec, 2020

本研究探讨了多种模型构型，借助通用分解语义数据（UDS）集中丰富的句法和语义注释，联合解析通用依赖和 UDS，以获得两种形式主义的最新结果，同时分析了句法和语义联合模型的行为。我们还研究了联合建模在多语言环境下的普适性，并发现了 8 种语言中相似的趋势。

Apr, 2021