May, 2023

FEED PETs: 潜在委婉术语消歧的深入实验和扩展

PDF
TL;DR本研究使用 Transformer 模型在英语委婉语消歧任务中，增加了新的任务：注释委婉语中的模糊性，并在三种不同的语言（如 Yoruba、西班牙语和中文）中建立了委婉语语料库，最终使用多语言 Transformer 模型进行了消歧试验。
transformerseuphemismvaguenesscorpusmultilingual
发现论文，激发创造
  • MEDs for PETs: 多语言委婉词消歧示（对有可能含委婉意味的词语）

    本文研究了多种语言中委婉语的计算处理。我们训练了一个多语言变换器模型（XLM-RoBERTa）来消除多语言和跨语言环境下的可能的委婉语词汇。与当前趋势一致，我们展示了跨语言的零射击学习的现象。我们还展示了多语言模型在这一任务上相对于单语言模型有显著优势的案例，表明多语言数据提供了额外的机会来了解委婉语的跨语言计算特性。在后续分析中，我们着重研究了普遍委婉语的 “类别”，如死亡和生理功能等。我们测试了同一领域的跨语言数据是否比不同领域的语言内数据更重要，以进一步了解跨语言转移的性质。

    Jan, 2024

  • CATs 是模糊的 PETs：潜在委婉语术语的语料库和分析

    该研究提出了一个可能委婉用语的术语语料库，并讨论语料库上的多个分析结果。研究发现，委婉用语通常会减少负面和冒犯的情感，人类在将这些术语标记为委婉用语与否时存在一定的分歧。

    May, 2022

  • 使用分布式和基于情感的方法搜索 PET：寻找可能委婉用语

    本文通过语言学方法提出了一种针对可能的委婉用语（PET）的概念验证技术，使用分布式相似性从一句话中选择和筛选短语候选项，并使用一组简单的基于情感的度量指标进行排名，提高了该方法用于侦测广泛话题的单个和多个词语的 PET 的效性，同时探究了基于情感的方法在这项任务上的未来潜力。

    May, 2022

  • TEDB 2022 委婉语检测挑战赛系统介绍

    本研究探索基于 Transformers 的模型在委婉语检测中的表现，使用 TweetEval / TimeLM 预训练 RoBERTa 模型作为特征提取器前端和 KimCNN 分类器后端，最优结果为 0.816 F1-Score。我们观察到，在其他任务上进行预训练模型，如讽刺检测，会产生较低的 F1 得分。同时，增加词向量通道的数量并不能提高性能。

    Jan, 2023

  • 习惯用语检测的高效样本方法

    本篇研究旨在探究识别成语化多词表达的高效方法，通过 Pattern Exploit Training 和 BERTRAM 两种少样本分类方法，以及探索不在训练数据中的多词表达的识别，提高英语的表现，但对葡萄牙语和加利西亚语的效果较差。

    May, 2022

  • 跨领域自动术语提取中的 Transformer 集成

    本文在多语言跨领域设置中，提出了基于 Transformers 预训练语言模型的术语抽取的预测能力的比较研究。实验结果表明，除了荷兰语和法语之外，在所有语言中应用单语言模型的策略优于利用多语言模型的最先进方法。此外，将两个最佳模型的输出组合起来，可以取得显著的改进。

    Dec, 2022

  • 利用 Cloze 问题进行少样本文本分类和自然语言推理

    本文介绍了一种半监督式的训练程序，称之为 PET，用来在低资源环境下学习某些 NLP 任务，并通过将输入示例转化为填空样式的短语来帮助语言模型理解给定任务

    Jan, 2020

  • 委婉语检测任务报告

    该研究报告涉及 2022 EMNLP 会议上第三届比喻语言处理研讨会共享任务 - 委婉语探测，通过针对调查给定文本中是否包含委婉语的研究任务，利用 PETs 与 GloWbE 语料库来收集句子，参与者使用不同的方法进行分析并提供结果、主题和发现。

    Nov, 2022

  • 半监督健康科学新闻稿夸张性检测

    通过有标记的新闻稿 / 摘要对的数据，提出了一个基于多任务版本的 PET 算法 MT-PET 来检测科学传播中的夸张。结果表明，MT-PET 在有限的数据和大量数据时都能优于 PET 和监督学习。

    Aug, 2021

  • 发挥 Transformer 潜力的策略：eRisk 2023 上的 UNSL

    通过使用 Transformers，在风险检测与早期发现的任务中，提出了多种基于相似性嵌入向量和提示技术的解决方案，并在抑郁症、病态赌博等领域取得了良好的性能。

    Oct, 2023