本研究使用 Transformer 模型在英语委婉语消歧任务中，增加了新的任务：注释委婉语中的模糊性，并在三种不同的语言（如 Yoruba、西班牙语和中文）中建立了委婉语语料库，最终使用多语言 Transformer 模型进行了消歧试验。

May, 2023

本文通过语言学方法提出了一种针对可能的委婉用语（PET）的概念验证技术，使用分布式相似性从一句话中选择和筛选短语候选项，并使用一组简单的基于情感的度量指标进行排名，提高了该方法用于侦测广泛话题的单个和多个词语的 PET 的效性，同时探究了基于情感的方法在这项任务上的未来潜力。

May, 2022

该研究提出了一个可能委婉用语的术语语料库，并讨论语料库上的多个分析结果。研究发现，委婉用语通常会减少负面和冒犯的情感，人类在将这些术语标记为委婉用语与否时存在一定的分歧。

May, 2022

该研究报告涉及 2022 EMNLP 会议上第三届比喻语言处理研讨会共享任务 - 委婉语探测，通过针对调查给定文本中是否包含委婉语的研究任务，利用 PETs 与 GloWbE 语料库来收集句子，参与者使用不同的方法进行分析并提供结果、主题和发现。

Nov, 2022

本文扩展了 EMNLP 2022 FigLang Workshop 中提出的委婉语检测任务为 few-shot 和 zero-shot 设置，并使用 RoBERTa 和 GPT-3 在这些设置下对数据集进行了实验。我们的实验表明，语言模型能够较好地分类委婉语词汇，即使是在训练中未见过的新术语，这表明它能够捕捉到与委婉语相关的更高级别的概念。

Oct, 2022

本研究探索基于 Transformers 的模型在委婉语检测中的表现，使用 TweetEval / TimeLM 预训练 RoBERTa 模型作为特征提取器前端和 KimCNN 分类器后端，最优结果为 0.816 F1-Score。我们观察到，在其他任务上进行预训练模型，如讽刺检测，会产生较低的 F1 得分。同时，增加词向量通道的数量并不能提高性能。

Jan, 2023

本文在多语言跨领域设置中，提出了基于 Transformers 预训练语言模型的术语抽取的预测能力的比较研究。实验结果表明，除了荷兰语和法语之外，在所有语言中应用单语言模型的策略优于利用多语言模型的最先进方法。此外，将两个最佳模型的输出组合起来，可以取得显著的改进。

Dec, 2022

本研究介绍了我们参加 EMNLP 2022 与第三届比喻语言处理研讨会所主办的委婉语探测共享任务的两阶段系统。该系统利用直接督导和视觉督导，同时考虑了直接描述和词汇生成的图像，发现这两种方法都可以显著提高系统性能。最终我们的系统得分为 87.2%，仅比最佳提交差 0.9%。

Nov, 2022

本篇研究旨在探究识别成语化多词表达的高效方法，通过 Pattern Exploit Training 和 BERTRAM 两种少样本分类方法，以及探索不在训练数据中的多词表达的识别，提高英语的表现，但对葡萄牙语和加利西亚语的效果较差。

May, 2022

本文讨论了在任务导向的对话系统中如何识别用户意图和相应的插槽，并通过多种跨语言转移方法进行数据集训练比较

Oct, 2018