我们对神经语言模型的句法知识进行了系统评估，发现模型架构的不同对句法泛化性能产生了显著影响，而不同数据集大小的影响相对较低。

May, 2020

本研究旨在确定自然语言处理中所谓文本的概念，并提出一套通用术语和分类体系，以扩展文本的范围，从而更好地进行 NLP 建模。该研究强调了包容性方法在 NLP 中处理文本的重要性，并呼吁开发者采用系统化的报告方式，以巩固该话题。

Nov, 2022

本文提出了一种无监督实体类型框架，通过结合符号和分布语义，使用语言结构学习通用的嵌入，并开发了一种新型的联合层次聚类和链接算法来对所有提及进行类型。该框架不依赖于任何注释数据、预定义的打字架构或手工特征，因此可以快速适应新的领域、体裁和语言。同时，它具有很大的灵活性，可以包括语言结构等来改进特定上下文表示。

Mar, 2016

本文描述了一种通用的框架用于表示和处理具有注释的语义 Web 数据，包括其语言、演绎系统和查询回答问题。通过实例化它，我们显示了以前关于特定 RDF 注释域的贡献被我们的统一推理形式所包含。此外，我们提供了一种通用方法，用于组合多个注释域，从而允许表示临时注释的模糊 RDF 等。同时，我们还开发了一种查询语言 AnQL，并提供了其语义的形式定义。

Mar, 2011

使用 FrameNet 形式主义，本研究探讨了通过生成新句子来保留给定语义结构的任务。我们提出了一个框架，通过过度生成和过滤的方法生成新的框架语义注释句子。我们的结果表明，基于丰富且明确的语义信息进行条件生成往往会产生高人工接受度的生成结果，并对提示和微调均有效。我们生成的框架语义结构注释在低资源环境中对框架语义角色标注的训练数据扩充非常有效；然而，在高资源环境下我们并没有看到好处。本研究得出的结论是，尽管生成高质量、语义丰富的数据可能在一定程度上成为可能，但这种生成结果的下游效用仍有待进一步观察，突出了自动化语言注释任务的尚未解决的挑战。

Jun, 2024

介绍了一种基于连续值数据而非分类数据的新种子数据集，可以更好地反映语言的变异性，以及用于生成更广泛特征和语言的数据的方法学。

Feb, 2024

本文提出在构建 NLP 模型时，需要关注文化和（社会）语言细微差别，特别是在数据集注释和文化语言方面的经验应该被纳入该过程中。提供了一个适用于多方言语言的负责数据集创建的示例。

Mar, 2022

本文介绍了一个能够支持自然语言处理工作流的开源框架，该框架包含了一个统一的数据表示方法和一个包含处理器、可视化和注释的大型处理库，提供了简单组装和互操作性，并能够轻松扩展以接入其他自然语言和深度学习库。

Mar, 2021

在 FrameNet 范例下，本文提出了一种基于注释投射的通用框架，它可以相对廉价地自动引发新语言中的角色语义标注。该框架利用了词汇和句法信息来设计投影模型，实验结果表明可以在英汉平行语料库中自动诱导具有高准确度的语义角色标注。

Jan, 2014

本文提出了一种新的语义框架，用于建模泛化语言表达，利用该框架构建了一个包含所有通用依赖英语 Web Treebank 的数据集，并使用该数据集来探究预测泛化表达所需的信息以提高模型的效能，包括基于类型和基于令牌的信息、手工特征，以及静态 (GloVe) 和情境性 (ELMo) 单词嵌入等，并在 decomp.io 上提供数据和代码。

Jan, 2019