ACLMay, 2023

多语言多比喻语言检测

PDF
TL;DR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。
发现论文，激发创造
  • 多语言和多元文化的比喻语言理解

    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。

    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

  • 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

  • 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

  • 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

  • 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

  • 比喻的说法：通过多任务比喻语言建模进行作者归属

    基于多任务比喻语言模型的研究在文本中检测多种比喻语言特征，并且集成到作者归属任务中以提高性能。

    Jun, 2024

  • ConFiguRe: 探索汉语语篇层级的修辞手法

    该研究提出了 “隐喻单元” 的概念，旨在从话语层面上提取隐喻单元，并将其分类为正确的隐喻类型。在 “ConFiguRe” 上，进行了三项任务，即隐喻单元提取、隐喻类型分类和隐喻识别，并展示了现有模型在这三项任务上的不足，需要进一步研究。

    Sep, 2022

  • 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

  • Polyglot Prompt: 多语种多任务 PromptTraining

    本文旨在为多语言学习提供潜在的架构改进，通过开发一种名为 Polyglot Prompting 的学习框架，利用提示方法为不同的语言和任务学习一个统一的语义空间进行多语言多任务基于提示的学习，以实现跨语言的互助和更全面的实验评估，开创了未来多语言研究的新方向。

    Apr, 2022