Jun, 2023

中文话语表征结构分析

PDF
TL;DR本文探索了在没有中文标注数据的情况下实现中文语义分析的可行性，描述了线性化的中文意义表示数据的自动收集流程，提出了专为中文语义分析设计的测试套件，阐述了中文语义分析的困难主要是由副词引起的，经实验表明采用机器翻译和英文解析器实现中文语义分析的性能略低于直接在中文数据上训练模型。
chinese semantic parsingsequential-to-sequential neural networkstest suiteadverbsmachine translation
发现论文，激发创造
  • 中文 SQL 语义解析的试点研究

    构建了一个针对汉语的跨领域 SQL 语义解析数据集，研究使用基于字符和基于词汇的编码器以及不同的嵌入方案来进行语义解析，结果表明基于词汇的语义解析器容易出现分词错误，并且跨语言的词嵌入对于文本到 SQL 有用。

    Sep, 2019

  • 面向学习者的语义角色标注：句法分析和 L2-L1 平行数据的重要性

    本文研究语义分析在外语（L2）环境下的应用，以语义角色标注（SRL）为案例任务、以学习汉语为案例语言。文章手动为一组学习者文本注释语义角色并建立标准数据，使用新数据评估三种现有的 SRL 系统，探究如何成功地处理学习汉语的 SRL 任务。接着，本文将引入一种基于协议的模型来探索大规模 L2-L1 并行数据中的语义连贯性信息，以增强 SRL 的学习。实验表明，新模型可以在学习文本上实现 72.06 的 F-score，比最佳基准提高了 2.02 个百分点。

    Aug, 2018

  • 学习跨语言分布式逻辑表示以进行语义解析

    本文探讨了如何通过在不同语言中打标注的数据来学习语义解析器的分布式逻辑形式表示，以提高特定语言下单语义解析器的性能，并在标准的多语言 GeoQuery 数据集上得到了改进的结果。

    Jun, 2018

  • 探索用于解析话语表示结构的神经方法

    提出了一种基于 Neural 的序列到序列的语义解析器，它能够高准确率地产生英语句子的 DRSs，并通过引入 De Bruijn 索引消除变量名以提高解析器性能，以及加入银标注数据来进一步提高性能。

    Oct, 2018

  • 零样本跨语言语义解析

    本文提出一种多任务编码 - 解码模型，通过多语言领域内语料库和英文 - 逻辑形式对标数据，在没有平行语料的情况下完成跨语言的语义解析，模型加强了语言无关编码，显著优于传统基于翻译的算法，有时能与有监督模型的上线媲美。

    Apr, 2021

  • MACT: 跨语言模型无关的话语结构解析训练

    通过引入跨语言训练策略，深入分析和改进基于 Discourse Representation Structure（DRS）的语义表示分析模型，在英语、德语、意大利语和荷兰语的标准基准测试中取得了最先进的结果，并为未来的 DRS 分析研究提供了深入的见解。

    Jun, 2024

  • 通过语法依赖和语义意识提高中文故事生成

    本文研究生成长篇叙述性内容的故事生成问题，提出了一种新的生成框架，通过依存关系增强机制和同义词去噪训练增强语义表示学习，显著提高了中文故事生成模型性能。

    Oct, 2022

  • 多语言神经 RST 话语分析

    研究了通过利用多语言向量表示和采用源内容的分段级别翻译建立神经交叉语言篇章分析器的两种方法，并表明这两种方法即使在有限的训练数据下也有效，并且在所有子任务上实现了跨语言、文档级的篇章分析性能。

    Dec, 2020

  • 基于潜在内部词结构建模的字符级中文依存句法分析

    该论文提出了一种由词级依赖树转变为字级依赖解析的方法，通过模型化字内的潜在内部结构，在每个词级依赖树中解释为一棵以字级树为基础的森林，采用约束 Eisner 算法确保字级树的兼容性，确保了单一的字内结构根节点，并建立了这些根节点之间的词间依赖关系。对中文树库的实验表明，我们的方法在流水线框架和之前的联合模型上具有优越性。详细分析显示，粗到精的解析策略使模型能够预测出更具语言学可行性的字内结构。

    Jun, 2024

  • 汉语对话级依存句法分析的初步研究

    研究了汉语对话级别的依存分析，利用句法依存和修辞结构理论的思想，开发了一个人工注释的高质量语料库，探索了零样本和少样本场景，并考虑采用基于信号检测的方法将先前存在的句法依存转化为单元话语之间的未见依存的场景。通过单视图和多视图数据选择来获取可靠的伪标签实例，实验结果表明了这些基线的有效性。同时，我们还讨论了有关数据集和方法的几个关键点。

    May, 2023