本文提出了一种基于随机图的方法，用于计算自然语言处理中文本单元的相对重要性，并通过使用新方法LexRank进行文本自动摘要。实验结果表明，基于相似度图的按度数排序的方法优于其他方法。

Sep, 2011

本文提出了一种新型的文本模式结构——元模式，扩展到某些情境下的频繁、信息丰富、精确的子序列模式，并提出了一种有效的框架 MetaPAD，该框架可以从大规模语料库中发现元模式，从而实现高质量的信息提取。

Mar, 2017

采用随机块模型方法，针对主题建模中存在的问题，提出了一种更具通用性和原则性的框架，该框架能够自动检测主题数和分级群集单词和文档，从而比LDA在统计模型选择方面提供更好的主题模型。

Aug, 2017

介绍了一种利用自然语言处理和图论工具结合的方法，通过向量表示和多尺度社团检测技术对文本进行分析和分类，得出了一组组具有相似内容的文档，揭示了主题和子主题的类层次结构。

Aug, 2018

本文介绍了利用CompRes数据集进行新闻媒体叙述结构自动检测的任务，并从叙述理论中采用新的故事要素，通过有监督模型训练，实现了$ F_1 $得分高达0.7。

Jul, 2020

本文介绍了一种基于Biased TextRank算法的内容提取方法，可以实现针对性的文本提取，应用包括文本的聚焦摘要和解释提取，通过在执行TextRank时修改随机重新开始概率实现，与现有自然语言处理方法相比，不需要监督，更快速和轻量级

Nov, 2020

本文讨论了利用基于aspect的文本相似性测度进行科学论文推荐的问题，提出了将单一常规嵌入表示文档改为多个具有专业性的嵌入，并在aspect特异的嵌入空间中对其进行相似性度量的方案，有效地解决了现有方案中文档连贯性差的问题，并通过与现有方案的比较表明其优越性。

Mar, 2022

本文研究各种文本相异度量方法（包括词汇表、词频分布和向量嵌入表示）在不同的任务（如按作者、主题和时间周期对文本进行聚类）中的性能表现，并分析了这些方法在不同长度文本间的偏差关系。结果表明，Jensen-Shannon Divergence和基于嵌入的方法对$h$的变化不敏感，而Jaccard距离则不一定可靠。

May, 2023

本文针对中文语料库资源匮乏和段落层面主题表示不足的限制，提出了层级段落主题结构表示方法，并构建了目前规模最大，质量最优的中文语段层级主题结构语料库。同时，本文在话语分析等多项任务上，说明了此语料库在基础、应用领域的可行性及有效性。

May, 2023

基于Transformer的文本嵌入的流行性呼吁更好的统计工具来衡量这些嵌入的分布。本文介绍了一种用于测量transformer-based文本嵌入分布的统计深度方法TTE depth，并在自然语言处理流程中引入了该深度的实际应用，包括建模和分布推断。研究使用TTE depth对上下文学习提示选择任务进行了实验，展示了该方法相对于统计基准方法在六个文本分类任务上可靠提升性能的结果。最后，研究使用TTE depth及其相关的秩和检验特征了合成和人工生成语料库的分布，显示出五种最近的合成数据增强过程导致与相关的人工生成文本发生可测量的分布偏移。

Oct, 2023