EMNLPMay, 2022

FLUTE：通过文本解释理解比喻语言

PDF
TL;DRFLUTE 是一个包含 9000 个各类比喻语言例子的数据集，使用 GPT-3、众包工人和专家注释人员构建。在该研究中，T5 模型 fine-tuned 后的基准性能表明，我们的数据集通过文本解释可以让我们更好地理解比喻语言。
figurative languagerecognizing textual entailmente-snliflutegpt-3
发现论文，激发创造
  • V-FLUTE: 视觉比喻语言理解与文本解释

    使用视觉和语言模型进行图像和文字的理解，探索其在理解比喻和幽默等比喻现象方面的能力，并提出了一个新的任务和数据集，Visual Figurative Language Understanding with Textual Explanations（V-FLUTE）。

    May, 2024

  • 文本蕴涵中的比喻语言

    集合了五个 RTE 数据集的文章，聚焦于比喻语言，示例超过 12500 个，研究发现现有的 RTE 模型无法很好地捕捉比喻语言的不同方面，无法进行语用推断和世界知识推理。该研究提供了一个挑战性的测试平台来评估 RTE 模型。

    Jun, 2021

  • DREAM-FLUTE：借助梦幻长笛理解比喻语言

    提出了一种名为 DREAM-FLUTE 的比喻语言理解系统，它通过构建 “mental model” 来实现理解，将场景描绘成意义明确的语言，以此来实现事件推理，并取得了非常好的结果。

    Oct, 2022

  • 多语言和多元文化的比喻语言理解

    本文创建了适用于印地语、印尼语、爪哇语、康纳达语、巽他语、斯瓦希里语和约鲁巴语等七种不同语言的比喻推理数据集，并评估了多语言语言模型对于处理比喻语言的能力。研究发现各语言间的比喻表达依赖于文化和区域概念，并提出了需要在模型训练中暴露于更广泛的语言和文化变化中的必要性。

    May, 2023

  • 解读叙述中的比喻语言

    本文研究了两种非组合式比喻语言 (成语和比喻) 的解释，并提出了基于人类策略的知识增强模型，从而改善了区分和生成任务的表现，进一步缩小了与人类表现的差距。

    Aug, 2021

  • IRFL：修辞语言的图像识别

    本研究提出了 “形象化语言图像识别” 数据集，探讨了视觉和语言模型理解多模态形象化语言的难点，并借助基准任务和基线模型初步研究了这一问题。结果表明，所有的模型在多模态形象化语言理解上都不如人类。该数据集和基准任务将促进模型更好地理解形象化语言。

    Mar, 2023

  • 测试语言模型解释比喻语言的能力

    本研究探讨了语言模型在理解比喻和比喻性语言方面的能力，并提出了新的语言理解任务，发现现有语言模型在理解非字面短语方面的表现还有待于进一步提升。

    Apr, 2022

  • 基于 Transformer 的讽刺和嘲讽检测方法

    本文使用深度学习方法，结合预训练注意力机制和循环卷积神经网络对比喻语言表达进行识别和分析，通过在四个基准数据集上的测试，证明了所提出的神经网络结构在情感分析领域具有最优秀的性能。

    Nov, 2019

  • 多语言多比喻语言检测

    本研究提出多语言多种修辞语言建模的方法，并在三种常见的修辞语言和七种语言中提供句子级修辞语言检测的基准，实验结果表明该框架优于几种强基线，并可作为其他相关任务的联合建模的蓝图。

    May, 2023

  • 探究对常见比喻语言结构的对话模型的鲁棒性

    研究发现现有的对话模型在处理比喻和比拟等修辞语言时存在很大的不足，提出利用外部资源将比喻语言转化为字面意思以提高模型鲁棒性的解决方案。

    Oct, 2021