ACLJun, 2023

扩展事件型本体：利用微调过的 LLMs 建议添加动词和类

PDF
TL;DR本研究旨在探讨使用先进的机器学习方法（特别是精调的大型语言模型）对词汇扩展任务的数据进行预注释，同时研究调查了自动分数与人工注释结果之间的相关性和影响。
machine learninglexical extension taskevent typesontologyhuman annotation
发现论文，激发创造
  • 多语言事件处理的动词知识注入

    研究了在预训练的深度 Transformer 网络中注入谓词的语义 - 句法信息对其语言能力及事件提取任务表现的影响。结果表明这一方法能够提高英语及其他语言的事件提取任务性能。

    Dec, 2020

  • 利用大型语言模型进行本体工程

    通过自动将自然语言句子转化为描述逻辑，我们使用大型语言模型将自然语言句子转换为 OWL 功能语法，用于丰富本体论，并通过人类监督的方式提供该工具作为 Protge 插件。

    Jul, 2023

  • 自然语言推理中的事件语义和程度语义结合

    通过结合事件语义和程度语义以及它们与词汇知识的相互作用来处理自然语言推理中的各种语言现象，并且通过各种 NLI 数据集的评估，表明该系统在与以前的基于逻辑和基于深度学习的系统相比，可以高准确度地处理这些数据集，从而表明这两种语义框架可以一致地组合以处理各种语言现象的组合。

    Nov, 2020

  • 无监督的标签感知事件触发词和论元分类

    本文提出了一种无监督事件抽取流程，使用先进的预训练语言模型并匹配语义，有效将事件映射到预定义的事件类型上，最终表现出色，成功地将 83% 的触发器和 54% 的参数映射到了正确类型。

    Dec, 2020

  • 利用大型语言模型进行基于 OntoClean 的本体修正

    本研究探讨了将大型语言模型（LLMs）如 GPT-3.5 和 GPT-4 整合到本体修正过程中，特别关注 OntoClean 方法论。研究通过采用两种提示策略的 LLMs，证明了在标注过程中可以获得高准确性，并提出了开发插件软件以促进本体工具整合的潜力。

    Mar, 2024

  • 大型语言模型是否能补充医学本体中缺失的概念和关系？

    使用大型语言模型扩展本体的方法在临床实践指南中探索新的医学概念关系，展示了潜在的初步实验结果和未来改进方向。

    Nov, 2023

  • 基于形式本体论的词元分类及其应用

    本文介绍了为印度语言量身定制的动词中心词汇资源 OntoSenseNet 的丰富，其重要贡献之一是通过开发一个计算版本来保留 Telugu 词典的原汁原味。手动注释的黄金标准语料库共包含 8483 个动词、253 个副词和 1673 个形容词，并由本地语言人士根据定义的注释指南进行注释。本文提供了注释过程的概述，并通过互注器协议的验证，验证了所开发资源的有效性。

    Jul, 2018

  • 本体增强的索赔检测

    我们提出了一个基于本体增强模型的句子级主张检测方法，通过将来自知识库的本体嵌入与 BERT 句子嵌入相融合，对 ClaimBuster 和 NewsClaims 数据集进行主张检测。我们的本体增强方法在这些小型非均衡数据集上展示出了最佳结果，相比其他统计和神经机器学习模型。实验表明，添加领域特定特征（训练词嵌入或知识图谱元数据）可以改善传统的机器学习方法。此外，以本体嵌入的形式添加领域知识有助于避免在神经网络模型中遇到的偏见，例如纯 BERT 模型在我们的小语料库中对较大类别的偏倚。

    Feb, 2024

  • 通过自动训练数据生成放大事件抽取学习

    本文提出了使用远程监督自动生成训练数据，利用结构化知识库和神经网络模型来提高事件抽取的效果的方法。通过实验结果表明，该方法可以大量生成高质量的训练数据，并且可以识别出多种类型的事件。

    Dec, 2017

  • 语义信息驱动的层次化事件建模

    本研究提出了一种新颖的、具有层级结构的半监督事件建模框架，结合序列潜变量模型和本体知识，通过一系列的结构化潜变量层对语义知识进行制导，成功提高事件建模的表现，并在两个数据集上的四种不同评估指标上均优于先前现有的最佳方法。

    Dec, 2022