研究动词词汇体现出的语态对于文本蕴涵和学习语篇层推断至关重要。我们使用分布语义学有效地模拟了动态类别的两个基本维度，状态与事件以及目的性与非目的性事件。我们发现动词的本地上下文最能表明其语态，并证明封闭类词往往比内容词更具区分能力。我们的方法优于先前的三个数据集。最后，我们提供了一个由人 - 人对话注释的词汇视角数据集，并呈现实验结果，表明终止性与文本体裁和话语目标的相关性。

Oct, 2020

本文研究跨语言识别图像标题中的语言学方面，通过计算模型可以准确预测词法方面，无需直接观察全部注释数据即可在尚未观察到的语言上进行词法方面的预测。

Jul, 2022

我们调查了预训练语言模型（PLM）如何编码俄语动词相貌的语法类别。实验表明 BERT 和 RoBERTa 确实在其最后几层对相貌进行编码，并且对添加界定性含义对完美相貌和不完美相貌的影响相反，这与语法一致。我们的研究结果的实际应用是，仅对 BERT 的最后几层进行微调以预测相貌比对整个模型进行微调更快更有效。该模型对于具有界定性提示不明确的替代环境中的相貌预测存在较高的预测不确定性。

Jun, 2024

本文描述了一种分析话语的时间结构的方法，该方法考虑了时态、体态、时间状语和修辞结构等因素，并最小化了时间结构中的不必要的歧义。该方法使用约束和偏好相结合的方式来构建话语的时间结构，并采用时间中心机制来选择剩余选项。最后，建议使用这些技术的结构的未指定表达，直到可以使用更高级的信息来消除歧义。

Feb, 1995

研究使用神经模型捕捉词汇句法推理的能力。我们以事件事实预测任务为案例研究对象，并建立一个各种句法上下文中所有英语嵌入子句动词的事实判断数据集。我们使用这个数据集来探究当前最先进的神经系统的行为，揭示了这些系统在事实预测方面会出现某些系统性错误。

Aug, 2018

本研究提出了从词汇、句法和语义三个方面分析个体写作风格的过程，并展示该过程在作者风格分析、作者归属度和情感预测方面的应用，结果表明这种多层次的写作风格分析方法能够量化地模拟文本中的主观性，从而在多个任务上提高定量和定性表现。

Sep, 2019

本文研究了语言学家如何使用 'expressives' 来表达归属质量、情感和观点的能力，并提出了关于表达性的性质的特殊性和不同寻常性的问题。

Feb, 2022

以 semantic notion of agentivity 为例，研究了 large language models 在句法和语义交互方面的表现；作者创建了一个新颖的评估数据集，发现 GPT-3 的表现非常好，甚至比语法和语义语料库的统计结果还要好，这表明大语言模型可能对语言注释、理论测试和发现比某些任务的语料库更有用。

May, 2023

本文提出一种基于编程语言的过程式英语句法编码方案，其中功能词和内容词作为众多句子的直接成分，借鉴面向对象编程中接口实现的思想得到实现，经过语言学和神经语言学的实证检测和验证，证明了这种基于算法的句法结构的有效性以及其可能推动句法理论的范式转变。

May, 2022

本文提出一种基于事件的情态检测任务，其中模态表达式可以是任何句法类的单词，其中感性标签来自一种综合分类法。该任务通过探讨模态表达式对事件的影响来改善模态事件的检测，同时在 GME 语料库上进行实验。

Jun, 2021