本研究提出一种基于 DPP 的负序列分析和序列挖掘方法，通过构建 NSP 图来探索非发生事件序列，从而实现识别存在价值的非发生元素和模式，进而发现具有实际行动意义的序列模式，具备一定的实际意义。

Apr, 2022

该研究使用 Bartholomew 和 Lee 的函数稳定模型语义，提供了关于强否定的另一种描述方式，并表明非布尔内涵函数可以用强否定表示以计算函数稳定模型语义。

Dec, 2013

本研究旨在演示一种通过词义消歧唯一地评估文本的词汇结构以检测否定的方法，从而解决否定对情感分析的影响，达到更好的准确性，并且在情感分析方面比传统方法有着显著的提高。

Feb, 2023

本文研究了 Answer Set Programming 中的 explicit negation 可以与 nested expressions 相组合，并证明可以通过扩展 Equilibrium Logic 来捕获这种组合，同时将其与 Nelson's strong negation 进行比较。

Jul, 2019

提出了一种排列质量函数的否定方法，并验证了该否定方法的收敛性，研究了每次否定操作后的不确定性和差异性的变化趋势，并使用数值示例证明了该方法的合理性。

Mar, 2024

本文探讨了一种新的自然语言推理分类任务的方式来发现实际上发生的事件，具体涉及否定语态下的肯定解释。实验结果表明，目前现有的自然语言推理语料库训练出来的最先进的 Transformer 并不能很好地揭示这种肯定解释，而 T5 Transformer 在从否定语态生成肯定解释的任务中表现不如人类。

May, 2022

本研究使用现有数据集 (VATEX, MSR-VTT) 重新构建评估协议，提出了一种基于学习的方法来训练具有否定意义的视频检索模型，该方法通过部分否定原标题来为特定训练视频构建软负标题，然后计算三元组的双向约束损失，将这个辅助损失加权到标准检索损失中。实验证明，使用所提出的方法重新训练 CLIP 模型能够明显提高处理具有否定查询的能力，同时还提高了模型在原始基准测试中的表现。

Apr, 2022

通过自动搜集否定语句及其肯定解释，本文提出了一种基于神经网络的生成模型，使得 RoBERTA 分类器在自然语言推理和情感分析任务中得到更好的结果。

Oct, 2022

该研究构建了一个主题为否定形式对神经信息检索的影响的基准测试数据集，发现跨编码器表现最好，晚交互模型次之，对数器和稀疏神经架构最差。同时研究表明，当存在否定形式时，大多数当前的信息检索模型表现相似或不佳，而本研究在对比文本数据集的继续优化和扩大模型尺寸方面，虽然提高了性能，但仍存在机器与人之间的巨大差距。

May, 2023

本文描述了为期八周的约翰霍普金斯大学人类语言技术卓越中心应用语言探索夏令营（SCALE-2009）中语义驱动机器翻译（SIMT）的资源和系统构建工作。作者引入了一种新的模态 / 否定（MN）注释方案，基于该方案和词典生成了两个自动化的 MN 标注器，并将其应用于用于翻译的语法框架中，结果显示基于结构的 MN 标注器的标注精确率高达 86％。最终生成的系统有效地提高了翻译质量。

Feb, 2015