May, 2023

任务引导提示学习在隐式话语关系识别中的应用

PDF
TL;DR该研究提出了一种称为 TEPrompt 的任务启示式预测学习模型，通过融合三个相关任务的学习特征来识别不明确文本间关系，实验结果表明，TEPrompt 在 IDRR 中表现优于 ConnPrompt，并且能够通过辅助任务的联合训练来提高决策特征和语言模型。
implicit discourse relation recognitionconnpromptprompt learningauxiliary tasksteprompt
发现论文，激发创造
  • 隐式篇章关系识别中的自适应提示学习与精炼连结知识

    AdaptPrompt 是一种连续版本的提示学习方法，结合连接性知识蒸馏，在减少手动设计的同时进一步提高性能，采用了虚拟令牌、梯度搜索和答案关系映射等技术实现。

    Sep, 2023

  • 基于提示的逻辑语义增强的隐含篇章关系识别

    通过 Prompt-based 连接词预测将与话语关系相关的知识无缝地注入到预训练语言模型中，提出了 Prompt-based Logical Semantics Enhancement（PLSE）方法，使其能够轻松获取逻辑语义的丰富特征，从而在话语关系识别方面取得了优异和一致的表现。

    Nov, 2023

  • DiscoPrompt：隐性语篇关系识别中的路径预测提示调优

    本文提出了一种基于提示的路径预测方法来识别隐性的篇章关系，此方法利用了层级结构的信息并加以利用于预先训练好的语言模型中，从而在隐性篇章关系的识别上取得显著的性能提升。

    May, 2023

  • 一种基于提示的细粒度隐式对话关系识别方法

    探索利用连接词预测来解决隐含语篇关系识别 (IDRR) 的问题。该方法使用预训练模型，并利用连接词和语篇关系之间的强相关性来帮助模型识别隐含语篇关系，同时对于 fine-grained few-shot 语篇关系中取得了优异成果。

    Oct, 2022

  • 将分层指导纳入提示调整：一种用于多级隐含话语关系识别的参数高效框架

    本文提出了一种基于提示的高效多级隐式语篇关系识别框架，利用参数高效的提示调整方法来将输入的论证匹配到预训练空间，并通过层次化标签优化方法实现深度整合，从而在 PDTB 2.0 和 3.0 数据集上取得了可比较的结果。

    Feb, 2024

  • 通过描述性关系提示和对比学习进行句子级别关系提取

    本文提出了一种新的范式 —— 具有描述性关系提示和对比学习的对抗性学习 (CTL-DRP)，用于共同考虑实体信息、关系知识和实体类型限制，通过提出的方法，在 TACRED 上获得了 76.7% 的竞争性 F1 - 分数，在 TACREV 和 Re-TACRED 都达到了 85.8% 和 91.6% 的最高水平表现。

    Apr, 2023

  • 隐含式篇章关系识别调查

    本调查研究提供了隐含话语关系识别（IDRR）任务的全面和最新发展情况，包括任务定义、数据源、解决方案及其性能比较，并讨论了该领域的未来研究方向。

    Mar, 2022

  • 基于标注启发的隐式语篇关系分类及辅助语篇连词生成

    研究了如何在缺乏话语连词的情况下进行隐含话语关系分类，设计了一种神经网络模型，通过预测和生成连词来实现话语关系的分类。实验结果表明，在 PDTB 2.0，PDTB 3.0 和 PCC 三个数据集上，该模型明显优于其他基线模型，从而表明了该模型的长处。

    Jun, 2023

  • TemPrompt: 基于 RAG 的众包系统中的多任务提示学习用于时间关系抽取

    基于预训练语言模型的多任务提示学习框架（TemPrompt）结合了提示调整和对比学习来解决事件的演变以及任务请求的问题，实验结果表明在标准和少样本情况下，TemPrompt 在多个指标下优于其他基准模型，并通过案例研究验证了在众包场景中的有效性。

    Jun, 2024

  • 一种标签依赖感知的多层隐性语篇关系识别序列生成模型

    本研究提出了一种标签依赖的序列生成模型，对多层次的隐式话语关系识别进行条件化标签序列生成，实现全局和局部与标签相关的表示，利用自下而上和自上而下的相互学习方法提高建模性能。

    Dec, 2021