利用自然语言处理对食品系统本体进行组织分类
本文提出了一种利用自然语言处理和零样本学习进行公司分类的方法，通过使用预训练的转换器模型提取公司描述的特征，然后应用零样本学习将公司分类为相关类别，从而在不需要针对每个类别进行特定训练数据的情况下简化公司分类过程，节约时间和资源。实验结果表明，该方法具有自动化公司分类的潜力，是未来研究的有前景的方向。
May, 2023
本研究论文探讨 NLP 应用在社区分析中的高潜力，提出了新的自动 UPV 分类任务，研究了包含一个详细语料库分析和一些基线神经模型的数据集，实验结果表明这个问题具有挑战性，同时也提出了未来在 NLP 和 SD 交叉领域的研究方向。
Apr, 2020
提出了一种能够适用于多种自然语言处理任务（包括词性标注、Chunking、命名实体识别和语义角色标注）的统一神经网络架构和学习算法，该系统可以通过学习大量无标注训练数据的内部表示，避免任务特定的工程方法，并构建一个具有良好性能和最小计算要求的可用标记系统。
Mar, 2011
本文分析了深度学习在自然语言处理三个核心任务（文本表示、词序建模和知识表示）中的应用现状，探讨了在文本分类背景下自然语言处理所取得的改进和协同效应，同时考虑了文本生成、文本分类和语义解析中对抗技术所带来的挑战，通过对文本分类任务的经验研究，证明了交互式集成训练的有效性，特别是与 TextCNN 结合，凸显了这些进展对文本分类增强的重要性。
Mar, 2024
自然语言处理作为一种计算机工具，可对政治活动中的文本进行解析，包括文本分类、主题建模、事件提取和文本标度等方法，并且这些方法可以用于数据收集、政策解释、政策沟通和政策影响调查等四大应用领域。但同时也需要注意潜在的局限性和伦理问题。
Feb, 2023
研究自然语言处理的 NLP 和人工智能领域对实体理解的影响，提出了基于实体概念的方法，并介绍了如何在实体链接任务中使用这种方法。通过核指代文簇难题进行了实验研究，分析了知识库实体集成到文本中的方法并从时间视角分析了实体的演变。
Apr, 2023
本文探究使用与食品相关的语料库对预训练基于 Transformer 的语言模型进行预训练的有效性，并利用外部知识源，如 FoodOn 本体论，对此任务进行微调，提出使用基于 GPT 模型作为基线和利用 ChatGPT 作为外部知识源进行研究的两个新途径，同时扩展了本研究的范围，探讨了其他自然语言处理任务。
Jun, 2023
自然语言处理（NLP）旨在通过计算机科学领域的技术来分析文本，适用于医疗、商业和教育领域的应用。本文回顾了近期在教育领域解决问题方面的 NLP 的最新进展，介绍相关背景，提出 NLP 在教育领域的分类体系，并基于该体系讨论任务定义、挑战以及相应技术。随后展示了该领域中的一些现有演示，并给出未来方向的结论。
Jan, 2024
应用自然语言处理方法，利用三种无监督模型 (Latent Dirichlet Allocation、Word2Vec 和 Transformer) 分析大规模特定主题科学文章的能源相关内容并实现文本的信息提取和知识发现，同时展示了能源材料研究中潜在的主题和概念，并开发了文档分类方法以加速能源研究和材料开发工作。
Feb, 2024