Apr, 2023

重新审视相似性和不相似性在最佳反驳论点检索中的作用

PDF
TL;DR本文提出了一种基于 Bert 的新模型 Bipolar-encoder，通过相似度和不相似度度量来评分反驳论证，并通过实验证明了其比传统方法和最近的神经评分模型更加有效和高效。
best counter-argument retrievalsimilaritydissimilaritybert-based modellearning-to-rank
发现论文，激发创造
  • ContraSim -- 基于对比学习的相似度衡量

    本研究提出了一种基于对比学习的相似度度量方法 ContraSim，相较于传统的相似度度量方法，应用于语言和视觉模型的多语言以及图片 - 文字配对测试中都表现出更高的准确率。

    Mar, 2023

  • 对话中句子论点相似度评估

    本研究旨在通过自动提取社交媒体对话中的论点，计算其之间的相似度以识别和归纳辩论方面，从而产生类似于辩论网站上的自动摘要。结果表明，在三个不同的辩题上，本研究的相关性平均值为 0.63，优于几个基准模型。

    Sep, 2017

  • 研究论文的基于方面的文档相似度

    本研究介绍了一种基于方面信息的相似度扩展方法，使用 Transformer 模型和 LSTM 基线评估了 172,073 份论文的相似度，结果表明 SciBERT 是最有效的系统，这种基于方面信息的相似度扩展方法可以为文献推荐系统提供更高的粒度和准确度。

    Oct, 2020

  • 语义答案相似度度量评估

    提出了利用基于 Transformer 模型度量方法对自然语言生成及问答系统进行语义相似度评估的框架，并使用 US-American public figures 的同指名字对数据集进行训练，取得较高的语义相似度度量结果。

    Jun, 2022

  • 基于 Bert 的上下文对词相似度影响的精准预测模型

    本文主要探讨了一种分析语境对相似词人类感知影响的方法，使用多种方式计算 BERT 生成的双向编码器表示法的两个嵌入向量之间的距离，研究组在 SemEval 2020 的任务三中赢得了芬兰语语言赛道的第一名和英语语言赛道的第二名。

    May, 2020

  • SparseCL：稀疏对比学习用于矛盾检索

    SparseCL 是一种使用特殊训练的句子嵌入来有效地识别和检索与给定查询矛盾的文档的新方法。通过结合余弦相似度和稀疏函数的组合度量，此方法显着提高了矛盾检测的速度，并且在大规模文本语料库中表现出较高的准确性和效率。

    Jun, 2024

  • 比较与重新加权：使用相似图像集进行独特的图像字幕

    通过 CIDErBtw 度量图片独特性，结合带权损失函数和强化学习奖励等多种训练策略，本文提出了一种改进的图像描述生成方法，实验证明该方法显著提高了描述独特性和准确性。

    Jul, 2020

  • 通过比较和重新加权进行独特图像字幕

    本研究旨在通过比较和重新加权计算一组相似图像来提高图像字幕的独特性。我们提出了一种称为 CIDErBtw 的独特性度量，用于衡量字幕与类似图像的独特性，并在训练期间重新加权了每个人工注释，以提高生成的字幕的独特性和准确性。

    Apr, 2022

  • 构建和解释深度相似性模型

    提出了一种名为 BiLRP 的可解释聚类算法，通过将相似性得分分解为输入特征，使相似性得分可解释，可以应用于训练模型和数字人文领域的历史文献相似度评估。

    Mar, 2020

  • 审计反火：用证据和风格评估先进的反驳生成

    我们提出了一个新颖的数据集，用于控制组成反驳论点，旨在进一步应用于论证的改进、挖掘和评估。

    Feb, 2024