本研究提出一种基于概念共现的框架，集成于研究助手系统，用于加速学术灵感的产生与发现。实验结果表明，该系统具有广阔的前景和应用价值。

Jun, 2023

通过受控的多跳反事实，我们提出了一个框架和基准套件 $ exttt {ACCORD}$，用于解开大规模语言模型（LLMs）的常识基础和推理能力。通过引入形式化元素到常识推理中，$ exttt {ACCORD}$ 可以明确控制和量化推理复杂性，超越典型的 1 或 2 跳。基准测试最先进的 LLMs（包括 GPT-4o（2024-05-13）、Llama-3-70B-Instruct 和 Mixtral-8x22B-Instruct-v0.1）显示性能仅随着适度扩展而降至随机机会，为改进留下了充足的余地。我们公布了此工作中测试的基准套件的排行榜，以及用于自动生成更复杂基准测试的代码。

Jun, 2024

本文提出了一种利用文本语料库和视觉语料库进行自动可视化概念发现的算法，该算法基于关联图像的视觉判别力自动筛选文本术语，并使用视觉和语义相似性将其分组成概念。 通过双向图像和句子检索任务和图像标记任务说明了所发现概念的应用，结果表明发现的概念不仅显著优于几个大型手动选择的概念集，而且在检索任务中也取得了最先进的性能。

Sep, 2015

这篇研究论文提供了一种标准化方法和一种通用度量工具，用于评估和比较不同文本和领域中的概念多样性，从而为人工智能自然语言处理领域做出了贡献，并为语义研究提供了参考。

Dec, 2023

气候变化对沿海地区的影响越来越大，特别是对活跃但脆弱地区的影响，需要各方不同利益相关者和学科间的合作，以制定有效的环境保护政策。我们引入了一个新颖的专门语料库，包括 2,491 个句子，来自 410 个有关沿海地区的科学摘要，用于自动术语提取（ATE）和分类（ATC）任务。通过利用单语和多语转换模型，受 ARDI 框架的启发，着重于演员、资源、动态和相互作用的识别，我们自动提取了领域术语及其在沿海系统运行中的独特角色。评估结果表明，自动术语提取的 F1 分数约为 80％，提取术语及其标签的 F1 分数为 70％，这些发现非常有希望，标志着向专门致力于沿海地区的知识库开发迈出的初步步伐。

Jun, 2024

S2ORC 是一个跨学科的大语料库，包括 81.1M 篇论文的元数据、摘要、文献引用等，并且结构化地附带了 8.1M 篇 OA 论文的全文和引文、图表等信息，可用于文本挖掘研究。

Nov, 2019

本文介绍了一种称为 ReCoRD 的大型数据集，并在此基础上展示了机器阅读理解需要常识推理，即目前最先进的 MRC 系统表现远远落后于人类，因此该数据集为未来的研究提供了一个挑战，以弥合人类和现有机器的常识阅读理解之间的差距。

Oct, 2018

本文提出了 CoCon 数据集，该数据集包含了 35K 份数据集，方法，模型和任务，并将它们联系在 340k 篇学术出版物的全文中，进一步提出了一种用于预测 “组合研究工件使用” 的链接的任务，并提供了利用数据分析和机器学习开发代码的链接。

Mar, 2023

本文介绍了 BioLORD，一种用于产生临床句子和生物医学概念有意义表示的新预训练策略。BioLORD 使用来自多关系知识图谱的定义和简短描述对概念进行表示，从而得到更具语义的表示，并在临床句子和生物医学概念上取得了新的最先进的文本相似性表现。

Oct, 2022

本文提出了一种基于 DISCOS 算法的常识知识获取框架，能够将更昂贵的复杂常识知识自动转化为更可承担的语言知识资源，以此来获取大规模常识推理知识。此方法在 novelty 和 diversity 方面表现优越，拥有着与监督学习方法相当的质量。

Jan, 2021