本文研究了动词在自然语言文本理解中的重要作用，并提出了一个新颖的框架来自动推断具有高准确性的可读性和可计算性的动作概念集，该集合的大小是可以参数化的，并表示动词的细粒度语义。
Mar, 2018
通过研究基于人工神经网络编码的句子语境和词汇形态，本研究构建了五个数据集并测试了模型的可靠性，结果显示该方法对于某些动词变化是可行的，但对于其他动词变化则难以提取细粒度的字面信息。
Nov, 2018
本文基于概率论的框架语义，提出了一种名词转动词的语言创造性计算形式，并通过多种语音实验验证了其优越性及可行性。
May, 2022
本文提出了一种新的方法，利用定义建模来介绍一种广义的 SRL 形式，即使用自然语言定义而非离散标签来描述谓词论元结构。经过实验证明， 这种灵活的模型不会牺牲性能。
Dec, 2022
本文介绍了一种神经语义解析器，将自然语言对话转换成谓语 - 论元结构的中间表示，并通过标注的逻辑形式或其指示训练端到端的语义解析器。在各种数据集上实验，得到了具有竞争力的结果。作者从诱导的谓词 - 论元结构中发现，它们可以揭示有关语义解析有用表示形式的类型以及这些表示形式与语言学上动机的表示形式之间的差异。
Apr, 2017
提出两种 PP 类别预测任务 (二分和梯度预测)，并使用预先训练的词向量和其他基于语言学的特征来预测 PP 的类别，这有助于改进语句表示并提高 SRL 的性能。
Sep, 2018
本文研究视觉 - 语言建模，通过创建新的多模态任务和分析预训练数据的质量，发现预训练数据的质量和多模态预训练目标对模型的性能影响重要。
Oct, 2022
在本文中，我们介绍了一个包含西班牙语最常见动宾短语及其出现句子的数据集，每个动宾短语都被分配到 37 个词汇功能中的一个类别，用于执行一个分层分类任务。我们将这些类别组合成一个基于树结构的体系，并为每个层级引入了分类目标。该数据集通过对西班牙新闻中的短语进行依赖树解析和匹配而创建，我们提供了每个目标的基准和数据拆分。
Nov, 2023
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
本文关注计算机系统中动词的语义表示及其对机器翻译中词汇选择问题的影响，提出了一种新的表示模式，与基于知识的机器翻译方法（KBMT）密切相关，并可作为现有系统的一个独立组件。此方案表现出能够对不精确匹配的情况正确地进行词汇选择。
Jun, 1994