Apr, 2023

使用深度学习和基于语法的方法进行多语言 Timex 检测和归一化的模块化方法

PDF
TL;DR本文提出一种模块化的多语言时间处理系统，结合了微调的遮蔽语言模型和基于语法的规范化器，实验在西班牙语和英语中并与 HeidelTime 进行比较，获得了最佳结果的金标准 timex 标准化、timex 检测和类型识别，并在组合 TempEval-3 松弛值度量中具有竞争性的表现。
发现论文，激发创造
  • 使用掩码语言模型进行多语言时态词语归一化

    提出了一种基于遮蔽语言模型的新型神经网络方法用于归一化时间表达式，其在多语言情况下优于传统的基于规则的系统，并在低资源语言方面取得了高达 33 F1 的表现提升。

    May, 2022

  • 上下文中基于对话的时态表达规范化的学习

    使用大型语言模型和上下文学习，通过样本选择策略实现时间表达归一化，取得了与此任务相关模型相媲美的竞争性结果，并在非标准设置中通过动态包含相关示例在推断过程中实现大幅度的性能改进。

    Apr, 2024

  • XLTime：一个用于时间表达式抽取的跨语言知识迁移框架

    XLTime 使用预训练语言模型和多任务学习，在英语和非英语语言之间促进跨语言知识转移，以减轻目标语言数据短缺引起的问题，在法语、西班牙语、葡萄牙语和巴斯克语等语言上表现优于先前的自动 SOTA 方法，并且显著缩小了手工制作的 HeidelTime 方法的差距。

    May, 2022

  • 从文本中提取时间表达式的多语言模型的对抗性对齐

    本论文探讨了跨语言多领域的时间表达抽取方法，并通过对抗训练来将嵌入空间对齐到一个公共空间，从而创建了一个单一的跨语言模型，我们在跨语言迁移实验中取得了最新的成果。

    May, 2020

  • ManTIME: TempEval-3 挑战赛中的时间表达式识别和归一化

    本文介绍了一个用于 TempEval-3 挑战的时间表达式识别和归一化系统 ManTIME，其中识别阶段结合了条件随机场和后处理识别管道，而规范化阶段则使用 NorMA，探讨了不同特征类型对性能的影响。最好的运行在标识阶段达到 0.95（P），0.85（R）和 0.90（F1），规一化精度分别为 0.84（类型属性）和 0.77（值属性）

    Apr, 2013

  • TEI2GO: 快速时态表达识别的多语言方法

    本文介绍了 TEI2GO 模型，其与 HeidelTime 具有相当效果但具有显著改进的运行时间，在六种语言中支持，并在其中四种语言中取得了最新的结果，在生产环境和大规模应用中取得了重要的成果。

    Mar, 2024

  • 面向时间语言模型的时间掩码技术

    本文介绍了一种基于时间的上下文语言模型 TempoBERT，通过添加时间信息和进行特定的时间掩码来适应语言的动态性，并在不同的数据集上进行了实验，证明利用时间掩码可以在语义变化检测和句子时间预测任务中得到好的效果。

    Oct, 2021

  • 为深度时序排序模型嵌入时间表达式

    本文介绍一种框架来将时间感知融入模型，方法是通过学习预先训练的模型嵌入时间表达式，生成由时间表达式和相关事件组成的合成数据，使用字符 LSTM 学习嵌入并分类时间表达式的时间关系，在强神经模型的上下文中评估嵌入的效用，并在 MATRES 数据集上表现出微小的提高，对于具有更频繁的事件时间交互的自动收集数据集则提供了更实质性的收益。

    Jun, 2019

  • 朝有效时间感知的语言表示：探索语言模型中增强的时间理解

    本研究探讨了在自然语言处理领域中理解文本的时间背景的方法，并介绍了一种新型语言模型 BiTimeBERT 2.0，该模型通过预训练在一个时间新闻文章集合上，利用三种创新的预训练目标以有效地获得时间感知的语言表示，从而在与时间相关的任务中实现改进的性能。实验结果显示，BiTimeBERT 2.0 在多种依赖时间的下游自然语言处理任务和应用中显著优于 BERT 和其他现有的预训练模型。

    Jun, 2024

  • 跨语言时间与数字表达式抽取与规范化的数据集与基线系统

    本文描述了一种多语言评估数据集 - NTX，该数据集涵盖了 14 种语言中的不同时间和数字表达式，覆盖了提取、规范化和解析，并提供了一种强大的基线对比其他模型在此数据集中的评估。

    Mar, 2023