ACLMay, 2023

多语言和多元文化的比喻语言理解

PDF
TL;DR本文创建了适用于印地语、印尼语、爪哇语、康纳达语、巽他语、斯瓦希里语和约鲁巴语等七种不同语言的比喻推理数据集，并评估了多语言语言模型对于处理比喻语言的能力。研究发现各语言间的比喻表达依赖于文化和区域概念，并提出了需要在模型训练中暴露于更广泛的语言和文化变化中的必要性。
发现论文，激发创造
  • 多语言多比喻语言检测

    本研究提出多语言多种修辞语言建模的方法，并在三种常见的修辞语言和七种语言中提供句子级修辞语言检测的基准，实验结果表明该框架优于几种强基线，并可作为其他相关任务的联合建模的蓝图。

    May, 2023

  • IRFL：修辞语言的图像识别

    本研究提出了 “形象化语言图像识别” 数据集，探讨了视觉和语言模型理解多模态形象化语言的难点，并借助基准任务和基线模型初步研究了这一问题。结果表明，所有的模型在多模态形象化语言理解上都不如人类。该数据集和基准任务将促进模型更好地理解形象化语言。

    Mar, 2023

  • 测试语言模型解释比喻语言的能力

    本研究探讨了语言模型在理解比喻和比喻性语言方面的能力，并提出了新的语言理解任务，发现现有语言模型在理解非字面短语方面的表现还有待于进一步提升。

    Apr, 2022

  • 解读叙述中的比喻语言

    本文研究了两种非组合式比喻语言 (成语和比喻) 的解释，并提出了基于人类策略的知识增强模型，从而改善了区分和生成任务的表现，进一步缩小了与人类表现的差距。

    Aug, 2021

  • 探究对常见比喻语言结构的对话模型的鲁棒性

    研究发现现有的对话模型在处理比喻和比拟等修辞语言时存在很大的不足，提出利用外部资源将比喻语言转化为字面意思以提高模型鲁棒性的解决方案。

    Oct, 2021

  • 跨语言文化下的视觉推理

    通过引入印尼语、汉语、斯瓦希里语、泰米尔语和土耳其语等语言，构建了一个新的 ImageNet-style 分层协议，从本地化的角度推荐相关概念和图像，建立了一个用于多文化及多语言视觉和语言推理的数据集 MaRVL，并列举出一系列现代模型的基线，发现其跨语言性能显著滞后于英语的监督性能。

    Sep, 2021

  • 预训练语言模型中的隐喻：跨数据集和语言的探测和普适性研究

    该研究使用多语言数据集探索预训练语言模型中所编码的隐喻性信息，结果显示这些模型的中间层主要包含了隐喻性知识，并且该知识在多语言和多数据集中具有泛化性。

    Mar, 2022

  • FLUTE：通过文本解释理解比喻语言

    FLUTE 是一个包含 9000 个各类比喻语言例子的数据集，使用 GPT-3、众包工人和专家注释人员构建。在该研究中，T5 模型 fine-tuned 后的基准性能表明，我们的数据集通过文本解释可以让我们更好地理解比喻语言。

    May, 2022

  • 多重形象化语言生成

    提出了一种基于 BART 的 multi-figurative 语言预训练框架 mFLAG，同时提供了五种常见英文比喻形式的自动生成基准，实验结果表明该方法优于强基线，并对不同语言形式之间的关系进行了一些定性分析和思考。

    Sep, 2022

  • Meta4XNLI: 一个用于隐喻检测和解释的跨语言平行语料库

    我们提出了 Meta4XNLI，这是一个包含西班牙语和英语隐喻注释的新型并行数据集，用于隐喻检测和解释的任务。通过利用我们提出的语料库，我们通过一系列的单语和跨语言实验来研究语言模型对隐喻的识别和理解能力。我们审查了结果并进行了错误分析，以便理解这些非字面表达如何影响模型的性能。此外，平行数据为研究这些语言之间的隐喻可转移性和翻译对多语言注释资源发展的影响提供了许多潜在机会。

    Apr, 2024