Sep, 2023

隐式篇章关系识别中的自适应提示学习与精炼连结知识

PDF
TL;DRAdaptPrompt 是一种连续版本的提示学习方法，结合连接性知识蒸馏，在减少手动设计的同时进一步提高性能，采用了虚拟令牌、梯度搜索和答案关系映射等技术实现。
implicit discourse relation recognitionprompt learningneural network-based approachesconnective knowledge distillationteacher-student architecture
发现论文，激发创造
  • 基于提示的逻辑语义增强的隐含篇章关系识别

    通过 Prompt-based 连接词预测将与话语关系相关的知识无缝地注入到预训练语言模型中，提出了 Prompt-based Logical Semantics Enhancement（PLSE）方法，使其能够轻松获取逻辑语义的丰富特征，从而在话语关系识别方面取得了优异和一致的表现。

    Nov, 2023

  • 一种基于提示的细粒度隐式对话关系识别方法

    探索利用连接词预测来解决隐含语篇关系识别 (IDRR) 的问题。该方法使用预训练模型，并利用连接词和语篇关系之间的强相关性来帮助模型识别隐含语篇关系，同时对于 fine-grained few-shot 语篇关系中取得了优异成果。

    Oct, 2022

  • 任务引导提示学习在隐式话语关系识别中的应用

    该研究提出了一种称为 TEPrompt 的任务启示式预测学习模型，通过融合三个相关任务的学习特征来识别不明确文本间关系，实验结果表明，TEPrompt 在 IDRR 中表现优于 ConnPrompt，并且能够通过辅助任务的联合训练来提高决策特征和语言模型。

    May, 2023

  • DiscoPrompt：隐性语篇关系识别中的路径预测提示调优

    本文提出了一种基于提示的路径预测方法来识别隐性的篇章关系，此方法利用了层级结构的信息并加以利用于预先训练好的语言模型中，从而在隐性篇章关系的识别上取得显著的性能提升。

    May, 2023

  • 隐含式篇章关系识别调查

    本调查研究提供了隐含话语关系识别（IDRR）任务的全面和最新发展情况，包括任务定义、数据源、解决方案及其性能比较，并讨论了该领域的未来研究方向。

    Mar, 2022

  • 基于标注启发的隐式语篇关系分类及辅助语篇连词生成

    研究了如何在缺乏话语连词的情况下进行隐含话语关系分类，设计了一种神经网络模型，通过预测和生成连词来实现话语关系的分类。实验结果表明，在 PDTB 2.0，PDTB 3.0 和 PCC 三个数据集上，该模型明显优于其他基线模型，从而表明了该模型的长处。

    Jun, 2023

  • 利用接续词的对抗网络进行隐含语义关系分类

    本研究提出了一种基于特征模仿框架的暗示关系网络，通过建立对抗模型让其自适应提取类似显式关系中明显特征以提升分类性能，并在 PDTB 基准测试中取得了最优结果。

    Apr, 2017

  • 利用 Seq2Seq 网络学习明确连接词以进行隐含篇章关系分类

    本文提出了一种新的模型，包含分类器、序列到序列模型以及一个记忆网络，针对隐式语篇关系分类进行研究，结合了 PDTB 语料库对暗示连接的注释，提出了一种针对语篇关系的有效编码方法，并在多个设置下优于现有最先进系统。

    Nov, 2018

  • 将分层指导纳入提示调整：一种用于多级隐含话语关系识别的参数高效框架

    本文提出了一种基于提示的高效多级隐式语篇关系识别框架，利用参数高效的提示调整方法来将输入的论证匹配到预训练空间，并通过层次化标签优化方法实现深度整合，从而在 PDTB 2.0 和 3.0 数据集上取得了可比较的结果。

    Feb, 2024

  • 激发隐式言论关系注释

    对于 ChatGPT 而言，在隐性话语关系分类任务中，使用标准的多项选择问题提示尚不令人满意，且远远不及最先进的有监督方法。本研究通过尝试多种证实的提示技术来提高 ChatGPT 对话语关系的识别能力，但实验结果表明，即使使用复杂的提示工程，推理准确性几乎没有改变，暗示隐性话语关系分类在零样本或少样本情况下尚未得到解决。

    Feb, 2024