本文探索了利用文本输入进行太空态势感知任务，并构建了一个涵盖所有已知活动卫星的 48.5k 新闻文章的语料库，通过基于依赖规则的提取系统来标识太空事件句子，并通过人工标注来提取事件插槽。研究表明，采用最先进的神经抽取系统在这个低资源、高影响的领域可以实现每个事件插槽的 F1 值在 53 到 91 之间。

Jan, 2022

通过语义推理研究各种类型的空间表达方式与推理模式，我们创建了一个名为 SpaceNLI 的数据集，并测试了几种 NLI 系统的它们对于空间推理复杂度和系统能力的提高。通过评估结果，我们发现系统对于空间 NLI 问题获得了适度的结果，但缺乏推理模式的一致性。结果还表明，非射影空间推理（尤其是由 “between” 介词引起的）是最具挑战性的。

Jul, 2023

本论文提出 SPARK 数据集作为一种新颖的空间物体多模态图像数据集，为太空态势感知中的物体识别做出了重要贡献，通过提供多种不同的轨道场景的感应条件，为空间环境下的目标识别、分类及检测算法的开发提供了具有挑战性的基准测试数据集。

Apr, 2021

这篇论文介绍了欧洲空间局使用人工智能和自然语言处理自动从空间文件中提取信息的方法，并通过多个实例研究来展示这种方法的价值，包括任务设计、质量保证、长期数据保存和开放空间创新平台。

Oct, 2022

本文介绍了用于语义分析和量化科学短文本的计算方法，以及如何将它们标准化为代表科学专业类别的向量，并使用统计分析确定最适当的 “含义” 的尺寸，从而建立了文本含义的几何表示。

May, 2022

从科学论文中提取关键信息有助于研究人员提高工作效率并加快科学进展的速度。在过去几年里，科学信息提取（SciIE）的研究见证了数个新系统和基准的发布。然而，现有以论文为中心的数据集主要只关注论文的特定部分（例如摘要），且为单模态（即只有文本或表格），这是因为处理复杂性和高昂的注释费用所导致。此外，核心信息可能存在于文本或表格中，或者跨越二者。为弥补这一数据可用性的差距并实现跨模态信息提取，同时减轻标注成本，我们提出了一个半监督的流程，用于迭代地对文本中的实体、以及表格中的实体和关系进行注释。基于此流程，我们为科学界提供了一些新资源，包括一个高质量的基准、一个大型语料库和一个半监督的注释流程。我们进一步报告了最先进的信息提取模型在提出的基准数据集上的性能作为一个基准。最后，我们探索了像 ChatGPT 这样的大型语言模型在当前任务中的潜在能力。我们的新数据集、结果和分析验证了半监督流程的有效性和效率，同时我们也讨论了其剩余的局限性。

Nov, 2023

本研究的目标是通过提出视频框架中的候选空间，辅助视频编辑器生成增强的个性化内容。我们提出并发布了一个大规模的室外场景数据集，以及手动注释的候选空间地图，并在该数据集上对多个基于深度学习的语义分割算法进行了基准测试。

Mar, 2019

利用智能系统检测新闻文章中冗余信息的使用越来越普遍，而新闻媒体的激增为此提供了机会。然而，新闻的异质性可能导致这些系统产生虚假的发现。将新闻相似性数据集按主题分割能提高这些模型的训练效果，但目前缺乏主题特定的数据集。本文提出了一个新的相似新闻数据集 SPICED，包括犯罪与法律、文化与娱乐、灾害与事故、经济与商业、政治与冲突、科学与技术以及体育七个主题。此外，我们还提出了四种不同的方法用于生成新闻对，用于创建专门用于新闻相似性检测任务的数据集。我们使用 MinHash、BERT、SBERT 和 SimCSE 模型对创建的数据集进行了基准测试。

Sep, 2023

本论文提出了 OpenPI2.0 数据集，旨在追踪实体状态，包括有规范化的实体、手动标记和自动预测的明显标记，通过调查主观性注释、建模可行性和下游应用，阐述了实体显著性在问题回答和经典计划等任务中的重要性。

May, 2023

介绍了一种新的数据集推荐系统，该系统能够根据研究想法的简短自然语言描述，推荐相关的数据集。该系统通过使用机器学习技术创建了 “DataFinder 数据集”，并比较了各种信息检索算法在其测试集上的效果，同时还发布了数据集和模型以促进数据集推荐的进展。

May, 2023