Jul, 2022

土耳其话语银行 1.2 的描述和土耳其话语中常见依存关系的探讨

PDF
TL;DR本文描述了土耳其话语库 1.2 版本，介绍了一项新添加的评估，分析了构成单元之间的三种常见依存模式，发现隐含关系比显性关系更常见，两个相邻的隐含话语关系一起使用的频率比显式关系更高，并且存在全嵌入和部分包含的话语关系。
发现论文，激发创造
  • 话语关系中的同义词与反义词分析：一种可解释的建模方法

    该研究提出了一种基于语义标记的计算方法来分析语篇中的异议和让步关系，澄清了语言学中的词汇语义在引发语篇中显性和隐性关系方面的贡献，并探讨了不同词性在其中所扮演的角色，从而为语料库和计算语言学之间的研究架起了一座桥梁。

    Aug, 2022

  • 在段落中建模话语单元的相互依赖关系以提高隐含话语关系分类能力

    通过构建神经网络模型，模拟句子和段落之间的相互依赖和连续性，并能够连续预测段落中的语篇关系，从而提高隐含的语篇关系分类的效果，并在 PDTB 的基准语料库上取得了最佳性能。

    Apr, 2018

  • 联合句法 - 语篇分析与句法 - 语篇树库

    本文提出了第一个 在句法和语篇层面上共同解析 的端到端语篇解析器，并通过将宾州树库与 RST 树库集成来提供第一个语法树处理工具。该工具构建在最新的基于区间的组成解析器上，不需要任何预处理，并实现最先进的端到端语篇解析精度。

    Aug, 2017

  • 一个向量是不够的：实体增强的分布式语义用于话语关系

    该研究通过自动计算句法分析树上的分布式含义表示来进行话语关系预测，包括实体提及之间的链接，并在预测 Penn 话语树库中的隐式话语关系时实现了显著改进。

    Nov, 2014

  • 一种基于 PDTB 风格的端到端语篇分析器

    我们开发了一种全面的 Penn Discourse Treebank 风格的语篇解析器，它可以识别所有的语篇和非语篇关系，标定它们的参数，并对它们进行关系分类，同时还可以确定适当的属性范围，我们从组件和错误级联的角度进行了综合评估。

    Nov, 2010

  • 将隐含的话语关系识别扩展到 PDTB-3

    PDTB-3 增加了更多句子内隐含篇章关系的注释，同时有些隐含关系与显式篇章关系共存，这复杂化了隐含篇章关系的定位问题，但简化了其意义辨析问题，本研究提出了一种基于数据的方法来解决这个问题，这可作为未来隐含篇章关系识别的一种非常规的基准。

    Oct, 2020

  • 重新审视 PDTB-3 中的浅层篇章分析：处理句内隐含内容

    本文主要研究 PDTB-3 中数千种隐含话语关系的识别，特别是在句内隐含话语关系的识别和确定，并提出了基于模型的解决方案，并在不同情形下验证了模型性能，指出了局限性并探讨了未来的研究方向。

    Apr, 2022

  • 基于标签增强的树形神经网络用于隐式话语关系分类

    本研究使用 Tree-LSTM 模型和 Tree-GRU 模型将句法分析树加入神经网络以编码关系中的参数，同时利用组成标记控制这些树状神经网络中的语义组合过程，实验结果表明我们的方法在 PDTB 语料库中达到了最先进的性能。

    Mar, 2018

  • 实体增强的分布式语义在话语关系中的应用

    本文提出了一种计算分布式含义表示的方法来解决自动识别篇章关系的难题。我们通过结合句子的句法解析树，并使用一种新颖的向下组成算法，计算实体提及的含义表示。这种方法不仅可以预测句子间的篇章关系，还可以预测它们的指代实体提及之间的关系，并在 Penn Discourse Treebank 上取得了优越的表现。

    Dec, 2014

  • 不同语篇注释框架之间的自动对齐

    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