Oct, 2022

涉及命名实体的事实文本中的语义新颖性检测与表征

PDF
TL;DR本文介绍了一种名为 PAT-SND 的文本新颖性检测模型，该模型在细粒度语义层面对文本进行分析，完善了现有以主题为基础的新颖性检测方法，通过对文本中指称实体及其背景知识的关系进行语义推理，有效地提高了 named entities 新颖性检测的准确性。作者还创建了一个经过注释的数据集，在实验中，PAT-SND 表现出比其他 10 个基线模型更好的性能。
text novelty detectionfine-grained semantic levelpat-sndnamed entitiesnovelty characterization
发现论文，激发创造
  • 关系推理实现的语义新颖性检测

    本文提出了一种基于关系推理的新颖语义检测表示学习策略，旨在有效地识别未知的对象类别，并将其转化为可靠的开放集识别模型。

    Jul, 2022

  • 面向 NLP 的新颖性检测和适应性评估统一框架及其在作者归属方面的实例化

    该论文介绍了 NoveltyTask，通过评估系统在处理 novelties 方面的性能来开始一个系统性的研究，并将其应用于作者归属任务中，使用 Amazon 评论的数据集进行实验和探索基准方法，最终结果表明该任务具有相当低的性能。

    May, 2023

  • 新奇性检测与对撞机物理

    本研究通过基于自编码器的深度神经网络，在高能物理碰撞实验中开发了一组密度基准的新颖性评估器以实现新物理信号事件的高效检测，并探索了解决非信号区域提供的已知模式数据波动对检测灵敏度的影响并提出了应对策略。结果表明，新物理基准可能具有高效的识别能力。

    Jul, 2018

  • 研究命名实体在文本风格转换中的内容保留作用

    该研究研究了如何在任务导向的生产系统领域中执行文本格式转换，集中探讨通过命名实体关联文本保留内容的角色，并提出一种用于增强基线内容相似性度量模型性能的简单技术。

    Jun, 2022

  • 关于现有顶尖 NER 技术状态我们真正了解了什么？

    本文通过对多种文本来源进行广泛评估以及通过构建新的对抗性测试集合，试图评估目前三种最先进的命名实体识别模型。在评估中，我们呈现了一些有用的报告实践方法，以便于提高当前模型性能的理解和提高未来研究的效率。

    Apr, 2022

  • 学术出版物基于内容的新颖度衡量方法：概念验证

    通过引入信息论的新颖度量，该研究介绍了一种自动化的科学新颖度量方式，并通过面向科学常识的准确性以及领域专家的新奇性评估的结果，验证了该度量方法的有效性。该新颖度量具有可解释性、细粒度和易接近性，有望对编辑、利益相关者和政策制定者产生重要影响，并为研究新颖性与创造力、跨学科研究、科学进展等科学动态之间的关系提供了自信的观察视角。

    Jan, 2024

  • 利用上下文信息进行高效的实体显著性检测

    在文本文档中，通过对中的有限实体进行鲜明实体识别可以在多个下游应用领域中实现重要性提取，本研究通过细调中型语言模型以交叉编码器结构取得重大性能提升，同时展示了零 - shot 指令调整语言模型在此任务上表现不佳，凸显其独特且复杂性质。

    Sep, 2023

  • 大规模新闻文章中突出实体的检测

    通过微调预训练的 Transformer 模型，利用实体标签或上下文实体表示，探索高效和有效的显著性实体检测方法。实验证明，这些直接的技术在不同规模和显著性定义的数据集上明显优于先前的工作。还研究了知识蒸馏技术，以有效地降低这些模型的计算成本，而不影响其准确性。最后，进行了广泛的分析和切除实验以描述所提出模型的行为。

    May, 2024

  • 具有主观知识的任务导向对话建模

    本文提出了一个基于客户评论和 FAQ 的交互式对话模型，主要通过围绕知识检索、知识选择和响应生成的三个阶段进行改进。我们主要针对知识选择模块的改进以提高整个系统的性能，我们提出了实体检索方法，其中基于命名实体识别的实体检索方法的搜索速度比基准模型提高了 7 倍。除此之外，我们还探索了一个关键词提取方法，该方法可以提高知识选择的准确性，初步结果显示知识选择任务的准确匹配得分提升了 4%。

    Mar, 2023

  • 使用注意力机制和语言特征的讽刺新闻检测和分析

    该研究通过引入神经网络和关注机制，考虑段落级别的语言特征来有效识别讽刺新闻，揭示重要的特征在不同级别的作用差异。

    Sep, 2017