EMNLPOct, 2022

新冠疫苗可预防 Covid，牛津疫苗则是在牛津制造的！—— 关于专有名词复合词的语义解释

PDF
TL;DR通过各种神经模型，尤其是针对基本名词的共同知识，我们可以自动生成专有名词复合词的语义解释。将这些解释与现有的 Open IE 系统集成，可以获得更高的收益率和更高的准确性。
proper noun compoundssemantic interpretationneural modelsknowledge acquisitionopen ie system
发现论文，激发创造
  • 利用 Bootstrapping 和 Web 作为语料库的大规模名词复合物解释

    本文研究获取名词复合物及其语义解释的方法，通过引入 bootstrapping 和 web statistics，利用名词复合物与其解释模式的关系，进行多次交替提取，并发现将一个复合名词固定可以获得更多的有语义解释的复合名词和更强的语义限制。

    Nov, 2019

  • 学习预测新颖的名词 - 名词组合

    本文介绍了一种感知时间和语境的模型用于预测未知合成名词所表达的可信概念，该模型在在一个时间戳语料库上训练，可以识别真实的和虚假的合成名词。经测试，该模型在多大约 85% 的情况下能正确分类自动生成的新的合成名词并有五分之一的新合成名词被评定为可信。

    Jun, 2019

  • 语料库统计遇上名词复合词：一些实证结果

    该研究实现并比较了名词复合分析的各种统计方法。结果表明，使用概念联想不仅能够实现广泛覆盖，还能提高准确性。基于依赖语法的分析模型比基于最深成分的分析模型更准确，尽管后者在文献中更为普遍。

    Apr, 1995

  • 从巧克力兔到巧克力鳄鱼：语言模型是否理解名词复合词？

    这篇论文提出了一种修改后的核心任务和评估方法，用于解决名词组解释和概念化的问题，并表明 GPT-3 在这两个任务上的表现都很出色，尤其是后者，因为它需要创造力、常识和知识的广泛推广能力。此外，研究人员估计了 GPT-3 处理新名词组的能力，并探讨了 GPT-3 的推理能力是否在与无脑地执行训练数据的策略之间取得平衡。

    May, 2023

  • 视觉 - 语言模型是否理解复合名词？

    开放词汇视觉 - 语言模型（VLMs）如 CLIP 是一种有前景的文本到图像检索方法，然而，对于复合名词（CN）是否能像对待名词一样理解得好呢？本研究构建了 Compun 基准测试以评估 VLMs 在解释 CNs 方面的有效性，并深入分析了 CLIP 对某些类型的 CNs 的有限理解。同时，提出了一种超越手写模板的替代框架，通过利用大型语言模型生成包含 CNs 的多样化描述来提高 CLIP 对 CNs 的理解。通过我们的方法在 Compun 上将 CN 的理解能力提高了 8.25%。

    Mar, 2024

  • 设计统计语言学习器：关于名词复合词的实验

    该论文通过提出一种新型设计实现语言分析，包括统计语言学习的理论贡献，将概率赋给语义形式而不是更表面的语言元素，以及通过实验证明在名词组分析方面，提出的句法模型明显优于先前提出的模型，语义模型第一次以统计方法解决该问题，显示出更高的准确性，为未来研究提出了广泛适用的数据需求理论。

    Sep, 1996

  • 英语名词复合词表示方法的系统比较

    比较了名词复合物的不同表示方法，发现复合函数往往比分布式函数更有效，并且不同的函数在不同情况下表现不同，建议采用联合训练以得到更好的表示。

    Jun, 2019

  • 测量名词 - 名词组合的组合性随时间的变化

    本研究旨在探究名词性复合词组中的语素组合随时间的变化。通过使用带时间戳的 Google Books 语料库，本研究发现利用语义空间能够预测语素组合难度评分，但误差较高，并发现了所选复合词的语素组合难度具有时间变化的趋势。

    Jun, 2019

  • SemEval-2013 任务 4：名词复合词的自由同义重组

    本文介绍了 SemEval-2013 任务 4 的定义、数据、评估和结果，并描述了该任务的目标是通过解释性改写捕捉英语名词复合词的一些意义。三个系统参加了任务，他们在其中一个评估措施上击败了简单基线，但在两个评估措施上都没有击败它。

    Nov, 2019

  • 使用医学自然语言处理理解 COVID-19 新闻报道

    本研究使用 Spark NLP for Healthcare 库中的临床和生物医学自然语言处理模型对 CNN 和 The Guardian 的新闻出版物进行分析，以探究 COVID-19 在这些媒体组织中的报道偏见，以及如何通过具体的医学概念与多种人口统计学数据的相关性把握这些报道的变化、患者所感受到的药品和疫苗的不良事件的情况，并进一步研究药品和疫苗制造商受到媒体报道的影响，得到疫苗犹豫等问题的关注度。

    Mar, 2022