Nov, 2023

基于认知维度的篇章关系分类和跨框架篇章关系分类的实证研究

PDF
TL;DR我们展示了讨论关系可以通过 Sanders 等人（2018）提出的一些简单的认知启发维度来有效地捕捉，通过这些维度，在框架之间传递讨论关系的知识是可能的，尽管两个框架在讨论划分上存在差异，这证明了这些维度在描述跨框架的讨论关系时的有效性，并通过消融实验揭示了不同维度对不同类型讨论关系的影响，并且我们还报告了关于这些维度的自动预测的实验结果。
discourse relationsdimensionsclassificationknowledge transferexperimental results
发现论文，激发创造
  • 不同语篇注释框架之间的自动对齐

    利用标签锚定对比学习方法，通过学习标签嵌入来映射不同框架中的语篇关系。

    Mar, 2024

  • 通过多任务神经网络的隐式语篇关系分类

    本文提出一个新的卷积神经网络嵌入多任务学习系统，用于综合 PDTB 语料库内多个特定于每个语料库的言语分类任务，并展示实验结果表明我们的模型可以显著提高 Implicit discourse relation classification 任务的性能。

    Mar, 2016

  • 隐含话语关系识别的多标签分类

    在我们的工作中，我们通过探索各种多标签分类框架来处理隐含语篇关系识别，并显示多标签分类方法不会降低单标签预测的性能。此外，我们对结果和数据进行了全面的分析。我们的工作有助于推动对语篇关系的理解和应用，并为未来研究奠定基础。

    Jun, 2024

  • 话语关系嵌入：在社交媒体中表示话语片段之间的关系

    本论文提出了一种用于学习社交媒体语篇间关系的新型方法 ——DiscRE，通过弱监督的多任务学习方法，实现了自动创建语篇关系嵌入，取得了在 Twitter 语篇关系分类任务上最佳性能，同时改善了社交媒体因果关系预测的现状。

    May, 2021

  • 通过利用感知关系的层次结构促进话语关系意义的对比学习

    利用层次化结构和对比学习技术来提高隐式篇章关系识别的性能。

    Jan, 2023

  • 探讨隐含语篇关系分类中词语和句子表征学习的重要性

    我们提出了一种将强大的上下文表示模块，双边多角度匹配模块和全局信息融合模块结合的新型模型，用于隐含语篇关系分类任务，并在 PDTB 数据集上比 BERT 和其他最先进系统的表现提高了约 8％，在 CoNLL 2016 数据集上提高了约 16％。我们还分析了不同模块在隐含语篇关系分类任务中的有效性，并展示了不同表示学习层次如何影响结果。

    Apr, 2020

  • 在段落中建模话语单元的相互依赖关系以提高隐含话语关系分类能力

    通过构建神经网络模型，模拟句子和段落之间的相互依赖和连续性，并能够连续预测段落中的语篇关系，从而提高隐含的语篇关系分类的效果，并在 PDTB 的基准语料库上取得了最佳性能。

    Apr, 2018

  • 自发对话中的对话关系分布

    时间压力和话题协商对人们在即兴对话环境中利用话语关系（DRs）存在限制。本研究使用初学者注释的众包数据，将一种面向书面语的 DR 系统适应到即兴对话中，并测试不同类型的多发话语环境中的话语关系使用情况。我们比较说话者内部和跨说话者以及连续回合内部和跨连续回合的 DR 注释模式。最终，我们发现不同的话语环境产生不同的话语关系分布，而单个回合的注释给注释者带来最大的不确定性。此外，我们发现话语关系注释的质量足以从话语单位的嵌入中进行预测。

    Jul, 2023

  • 英语隐含语篇关系分类的 Transformer 之间的并排比较

    基于 PDTB-3 数据集，通过对七个预训练语言模型的直接性能比较，我们的模型搜索将 SOTA 提高到了 0.671 的准确率，同时得到了一些新的观察结果，其中包括相对于之前的报道（Shi 和 Demberg, 2019b），句子级预训练目标（NSP，SBO，SOP）通常无法产生最佳性能的模型。反直觉的是，具有类似规模的 MLM 和全关注机制的 PLM 表现更好。

    Jul, 2023

  • 面向开放域对话的隐含语篇关系识别

    本论文旨在设计用于开放领域对话系统的新型话语关系识别流水线，该流水线可以自动提取隐式话语关系参数对和标签，并通过削减特征和整合对话特征等方法来提高辨识度。论文使用对话转换数据集得到了独特的话语关系对语料库，首次尝试确定开放领域对话中连接对话转换的话语关系。

    Jul, 2019