Feb, 2024

BioASQ MESINESP8 任务中的 CoLe 和 LYS：基于相似性的描述符分配

PDF
TL;DR本文介绍了我们参与 BioASQ 生物医学语义索引挑战的 MESINESP 任务的方法，该方法主要基于传统的信息检索工具，通过评估各种方法从 IBECS/LILACS 文档中提取索引词并存储在 Apache Lucene 索引中，然后使用文章内容进行查询和候选标签排序，同时还通过高共现打分和标签配置方法进行元标签的创建，通过正式运行的结果验证了该方法对于西班牙语等语言的适用性。
发现论文，激发创造
  • 使用潜在语义索引实现双语文档对齐

    本文研究了如何在双语文档对齐任务中应用交叉语言传递矩阵，提取出文档的重要特征，通过将两种余弦相似度变量与 URL 相似度量的结合，可以达到高精度的 Web 页面对齐。

    Jul, 2017

  • 自然语言处理和心语言学的桥梁：计算基础的巴斯克语和西班牙语语义相似性和关联数据集

    本文介绍了一个基于 NLP 资源的语义相似性数据集，用于填补心理语言学研究中的空白，并通过提供大量受词汇处理中起重要作用的变量控制的名词对的语义相似性的各种量化方式。

    Apr, 2023

  • 描述标签与术语描述的匹配

    语义文本相似性在软件工程中具有重要作用，在工程师需要澄清描述性标签（例如，业务术语、表列名）的语义的任务中，这些标签通常由过于简短或过于通用的词组成，并在其信息技术系统中出现。我们将这种问题定义为将描述性标签与词汇表描述匹配的任务。然后，我们提出了一个框架，利用现有的语义文本相似性测量（STS），并使用语义标签增强和基于集合的上下文化来增强它，其中前者是一种检索与给定标签相关的句子的方法，而后者是一种计算两个上下文之间相似度的方法，其中每个上下文均来自一组文本（例如，同一表中的列名）。我们对两个由公开可用数据源生成的数据集进行了实验，结果表明，所提出的方法能够帮助底层 STS 正确匹配更多的描述性标签与描述。

    Oct, 2023

  • SemEval-2017 任务 1 中的 CompiLIG: 用于语义文本相似性的跨语言抄袭检测方法

    使用基于语法、字典、上下文和机器翻译的多种方法，并采用无监督和有监督的方式组合，我们的最佳运行在 SemEval-2017 的 STS Track4a 中排名第一，与人类注释的相关性达到 83.02%。

    Apr, 2017

  • SemEval-2017 任务 2 中的 ConceptNet: 用多语言关系知识扩展词嵌入

    使用基于 ConceptNet 的知识图谱和分布式语义学，第一次在 SemEval 2017 任务 2 “多语和跨语义词相似度” 中构建高质量多语词嵌入，目前在与多种语言相关的子任务中占据第一名。

    Apr, 2017

  • 弥合差距：有效映射 PubMed 查询与文档的语义相似度度量

    提出了一种基于 Word Mover's Distance 计算单词间距离的查询 - 文档相似度测量方法，利用神经词嵌入在检索无直接匹配的情况下发现相关词，并将其与 BM25 相结合，结果在 TREC Genomics 数据上平均精度平均提高 12％，在来自 PubMed 搜索日志的真实数据集上，结合学习排序的方法，正确率提高了 25％，表明该方法与 BM25 的结合可以产生更出色的性能。

    Aug, 2016

  • PESTS: 波斯语 - 英语跨语言语义文本相似性语料库

    本文为首次使用语言专家生成了一个波斯语和英语句子之间语义文本相似性语料库 (PESTS)，并使用此数据集微调不同的基于 transformers 的模型，并且结果表明，使用 PESTS 数据集，XLM ROBERTa 模型的 Pearson 相关性从 85.87％提高至 95.62％。

    May, 2023

  • LSCDiscovery：西班牙语语义变化发现和检测的共享任务

    本文介绍了在西班牙语中关于语义变化发现和检测的首个共享任务，并使用 DURel 框架手动注释了西班牙语单词的第一个数据集。该任务分为两个阶段：1）分级变化检测，2）二元变化检测。共有六个团队参加了第一阶段，七个团队参加了第二阶段，最佳结果在第一阶段获得了 0.735 的 Spearman 等级相关性，第二阶段获得了 0.716 的 F1 分数。本文介绍了参赛团队开发的系统，强调了特别有用的技术，并讨论了这些方法的局限性。

    May, 2022

  • 当专业化有帮助时：使用汇集的上下文嵌入在西班牙语中检测化学和生物医学实体

    本研究基于 PharmaCoNER 挑战任务 1，使用 BiLSTM-CRF 序列标记器和基于 FLAIR 的深度学习方法，通过构建一个新的 Spanish Health Corpus 并使用领域专用嵌入，成功提高了化学药品和药物的识别精度。

    Oct, 2019

  • BioASQ 2022 概述：大规模生物医学语义索引和问题回答的第十届 BioASQ 挑战赛

    本文概述了第十届 BioASQ 挑战赛，并介绍了其中的三个任务和一个名为 DisTEMIST 的新任务。在此次挑战中，来自 38 个团队的超过 170 个系统参与，大多数系统表现出色，说明在生物医学语义索引和问答领域的技术不断发展。

    Oct, 2022