EMNLPNov, 2022

通过文字描述和视觉意象检测委婉语

PDF
TL;DR本研究介绍了我们参加 EMNLP 2022 与第三届比喻语言处理研讨会所主办的委婉语探测共享任务的两阶段系统。该系统利用直接督导和视觉督导，同时考虑了直接描述和词汇生成的图像，发现这两种方法都可以显著提高系统性能。最终我们的系统得分为 87.2%，仅比最佳提交差 0.9%。
euphemism detectionfigurative language processingambiguitydirect supervisionvisual supervision
发现论文，激发创造
  • 委婉语检测任务报告

    该研究报告涉及 2022 EMNLP 会议上第三届比喻语言处理研讨会共享任务 - 委婉语探测，通过针对调查给定文本中是否包含委婉语的研究任务，利用 PETs 与 GloWbE 语料库来收集句子，参与者使用不同的方法进行分析并提供结果、主题和发现。

    Nov, 2022

  • 自监督委婉用语检测与识别用于内容管理

    该论文提出了一种利用上下文分析的无监督算法，能够检测出被用作委婉语的词汇，识别其秘密含义，并与现有技术相比获得高达 30% 至 400% 的准确度提升；这一算法在内容审核和政策规范的博弈中为审核员提供了有力的工具。

    Mar, 2021

  • 探究少样本学习和零样本学习中的委婉语检测

    本文扩展了 EMNLP 2022 FigLang Workshop 中提出的委婉语检测任务为 few-shot 和 zero-shot 设置，并使用 RoBERTa 和 GPT-3 在这些设置下对数据集进行了实验。我们的实验表明，语言模型能够较好地分类委婉语词汇，即使是在训练中未见过的新术语，这表明它能够捕捉到与委婉语相关的更高级别的概念。

    Oct, 2022

  • MEDs for PETs: 多语言委婉词消歧示（对有可能含委婉意味的词语）

    本文研究了多种语言中委婉语的计算处理。我们训练了一个多语言变换器模型（XLM-RoBERTa）来消除多语言和跨语言环境下的可能的委婉语词汇。与当前趋势一致，我们展示了跨语言的零射击学习的现象。我们还展示了多语言模型在这一任务上相对于单语言模型有显著优势的案例，表明多语言数据提供了额外的机会来了解委婉语的跨语言计算特性。在后续分析中，我们着重研究了普遍委婉语的 “类别”，如死亡和生理功能等。我们测试了同一领域的跨语言数据是否比不同领域的语言内数据更重要，以进一步了解跨语言转移的性质。

    Jan, 2024

  • 使用分布式和基于情感的方法搜索 PET：寻找可能委婉用语

    本文通过语言学方法提出了一种针对可能的委婉用语（PET）的概念验证技术，使用分布式相似性从一句话中选择和筛选短语候选项，并使用一组简单的基于情感的度量指标进行排名，提高了该方法用于侦测广泛话题的单个和多个词语的 PET 的效性，同时探究了基于情感的方法在这项任务上的未来潜力。

    May, 2022

  • CATs 是模糊的 PETs：潜在委婉语术语的语料库和分析

    该研究提出了一个可能委婉用语的术语语料库，并讨论语料库上的多个分析结果。研究发现，委婉用语通常会减少负面和冒犯的情感，人类在将这些术语标记为委婉用语与否时存在一定的分歧。

    May, 2022

  • 通过显式基本含义建模实现隐喻检测

    提出了基于模型和训练集的字面注释，比较上下文意义以识别隐喻，并成功实现对基本注释目标的检测的一种新颖的隐喻检测方法，验证了对于隐喻检测建模基本意义的重要性和有效性。

    May, 2023

  • 场景描述到描绘任务中的欠规范

    为填补目前研究中忽视多模态图像 + 文本系统的隐式性、不确定性和缺陷性的空白，本文提出了一个概念框架，着重考虑生成场景描述的图像的系统。我们概述了有关文本和图像传达意义的不同之处的核心挑战，以及可能由不明确和未规定的因素放大的风险。我们提出和讨论了解决这些挑战的策略，包括生成视觉上模棱两可的图像和生成多样化的图像集。

    Oct, 2022

  • 隐喻释义生成：用字面文本来训练隐喻语言模型

    通过使用隐喻语言模型掩盖字面意思从而生成比喻性的解释，且该方法不仅关注动词，还包括名词和形容词。 这种方法在元数据的分类中实现了比人工方法更高的水平。

    Oct, 2022

  • 使用主题模型和情感强度分类习语和字面表达

    本文提出了一个用于自动分类习语和字面表达的算法，通过利用 LDA 无监督聚类方法和情感分析技术，采用词袋表示法来提取包含习语和字面表达的段落中的主题，从而实现对习语和字面表达的区分。

    Feb, 2018