研究了 ConceptNet 定义的由 11 种不同语言的七个语义关系组成的语义网络的特性，发现它们普遍具有稀疏、高度聚集和幂律程度分布等基本属性，少数语言的语义网络由于语法规则的影响出现幂律分布中的峰值。此外，根据语义关系类型和语言不同，语义网络中连接的形成受不同原则的指导，利用语义网络中相似性和互补性知识，可以提高 NLP 算法中的缺失链接推断。

Apr, 2023

本文提出使用 SocialIQA 为例子，利用分类语义学意义，构建基于 SocialIQA 的标记社交知识类别数据集，并在此基础上训练神经 QA 模型，通过加入社交知识类别和知识库中的关系信息来完全表征这些 QA 任务。相较于以往研究，使用语义分类的社交知识模型可以达到与其他复杂方法相当的性能，且模型大小相对较小。

Sep, 2021

研究表明，社交关系信息可以用于提高用户级情感分析，实验结果表明，将社交网络信息纳入支持向量机等分类器的训练可以明显提高情感分析的效果。

Sep, 2011

通过统计分析单词关联、WordNet 和 Roget's thesaurus 三种语义网络的大规模结构，我们发现这些网络均具有小世界结构、幂律分布，而对于语义组织，这种结构不同于传统模型，我们提出一个简单的语义增长模型来解释这一现象并考虑了学习历史变量对行为表现的影响。

Oct, 2001

本文提出了一种从社交网络中提取实体向量的框架 ——SocialVec，并将其应用于衡量新闻来源的政治偏向和预测个人特质两项任务中，展示了比基线方法优越或有竞争力的表现。

Jun, 2023

本研究提出了一种基于贝叶斯网络的自然语言处理方法，可以预测和分析上下文，并可以应用于社区问答领域，通过与基线模型的比较，我们的方法在精度指标方面表现更好，同时讨论了罚项对贝叶斯网络结构的影响，以及有向无环图在分析语义关系方面的可视化表示。

Feb, 2023

在线社交网络的出现导致了关于在线社交群体及其与个体个性关系的丰富文献的发展。通过对广泛的社交互动进行推断，可以得到社交结构，这些互动形成了复杂的、有时是多层次的网络，对其中的高阶结构进行了社群检测算法的提取。然而，关于社群检测算法在与其分类的个体文化生产之间的关系，却很少受到质疑。在这项工作中，我们假设社交网络及其文化生产是纠缠在一起的，并提出了一种基于文化的在线社交群体的定义，即将在线产出归类为社群相关的个体集合。我们利用这种似乎自指的在线社交群体描述，结合社区检测算法和自然语言处理分类算法的混合方法。该分析的一个关键结果是可以使用自然语言处理分类算法的准确度来评价社群检测算法的得分。另一个结果是我们可以以超过 85% 的准确率分配随机用户的意见。

Jun, 2024

本研究提出了一种计算认知模型，用于手语理解，并使用语言处理中的认知功能详细描述了该模型的算法。该模型使用表示概念间语义关系的语义网络模型作为知识表示形式，并在分类器谓词的手语理解中应用。结果表明，该模型可提高手语理解的性能。

Jan, 2023

研究了使用社交媒体的语言特征来检测心理健康问题，并提出了一种能够有效利用领域知识、可被应用于其他心理障碍以及能够提供可解释检测结果的模型。

Jun, 2023

提出了一种轻量级分布式知识图谱完成架构，采用知识图谱嵌入进行数据分析，通过人员数据质量评估方法 PDQA 过滤低质量数据，并提出了一种模型修剪算法，大大减小模型大小并实现轻量级部署。通过实验，我们与其他 11 种先进模型进行了比较，结果表明 RotatE 模型在知识图谱完成方面表现优秀，经过修剪的模型大小减小了 70％，hits@10 达到了 86.97％。

Jan, 2024