提出了一种基于循环多任务学习框架的神经比喻识别方法，通过迭代执行子任务并将前一个子任务的输出作为当前子任务的附加输入，更好地探索了子任务之间的相互依赖关系。该方法在中文比喻识别方面用 BERT 模型取得了极大的性能提升。

Dec, 2019

本文介绍一种利用预训练语言模型中的知识解决类比解释和类比生成任务的方法，提出一种基于模式的方法来完成词的预测，同时采用模式集成和模式搜索的方式提高预测词的质量。实验结果表明该方法在类比解释和类比生成方面取得了很好的效果。

Apr, 2022

本研究建立了 HAUSER，一个全面自动的评估系统用于比喻生成任务，其中包括三个角度的五个标准和每个标准的自动衡量标准，通过广泛的实验，我们验证了我们的度量标准与每个角度的人类评分显著相关比先前的自动度量标准。

Jun, 2023

该论文提出了一种新的包含粗粒度到细粒度动词模型和基于 Transformer 的名词模型的 SituFormer 方法，用于地面情境识别，其全面探索了角色之间的统计依赖关系，相比其他方法在各种指标下具有显著性提升，代码公开可用。

Dec, 2021

本文介绍了第一个设计用于捕捉隐喻组合的深度学习架构，并表明该架构在隐喻识别任务中优于现有方法。

Sep, 2017

本篇论文提出了一种基于原始输入句子提取多粒度特征的新方法，该方法包含实体提及级别、片段级别和句子级别三种特征，并采用层次化建模方法，以解决自然语言处理中的关系提取问题，实验证明该模型性能优于甚至使用外部知识的现有最先进模型。

Apr, 2022

本文提出，语境特征对于更好的隐喻识别非常重要，我们基于多种文档嵌入方法对话语及其周围环境进行表征，使用简单的梯度增强分类器，在不使用其他系统采用的复杂隐喻特定特征或深度网络体系结构的情况下，达到了几乎最先进的 2018 年 VU 阿姆斯特丹隐喻识别任务数据集的结果，并进一步通过质性分析证实了在隐喻处理中需要更广泛的上下文环境。

Apr, 2019

通过机器学习，利用支持向量机对汉语翻译文本和原生文本进行基于句法特征的区分。通过使用对称的语料库，以短语分析树和依存三元组不带词汇信息特征进行分类，结果表明仅仅用句法特征即可区分出原生汉语和翻译汉语。

Apr, 2018

本文介绍了我们在 2021 年 FinSim-3 共享任务中针对金融领域语义相似度学习的方法。我们提出了两种方法：在自定义语料库上预训练的 SRoBERTa 和结合 FastText 模型改善基线词嵌入方法的双重词 - 句嵌入模型。在平均准确度和平均排名两方面我们的系统均获得第二名，分别得分为 0.917 和 1.141。

Aug, 2021

本文提出了一种自动构建平行语料库、用预训练的序列转序列模型 fine-tune 的方法，能够生成不同于训练数据中的新奇的明喻，而且相比两位文学专家和三种对比方法，能够更好地生成新奇的明喻，并展示了用生成的明喻替换机器生成的故事中的文字部分可以提高语言的唤起性和被人类接受程度。

Sep, 2020