Apr, 2024

基于梯度提升的轻量级连通性检测

PDF
TL;DR一种轻量级语篇连接词检测系统，使用基于梯度提升训练的简单、低复杂度特征，避免了依赖深度神经网络的计算需求；考虑到其简洁性，该方法在 CPU 上即可取得竞争性结果，同时在两种不相关的语言之间表现稳定，这表明了该系统在多语言场景中的鲁棒性；此模型旨在支持语篇关系的标注，特别适用于资源有限的场景，同时尽量减少性能损失。
lightweight discourse connective detectiongradient boostinglow-complexity featuresmultilingual scenariolimited resources
发现论文，激发创造
  • 通过梯度提升实现领域无关的监督式话语解析

    本文提出了一种新的有监督范式，用于解决语篇分析中域依赖的问题，通过梯度提升框架引入弱分类器级联模型，设计了第一个完全有监督的语篇分析器。

    Oct, 2022

  • 利用接续词的对抗网络进行隐含语义关系分类

    本研究提出了一种基于特征模仿框架的暗示关系网络，通过建立对抗模型让其自适应提取类似显式关系中明显特征以提升分类性能，并在 PDTB 基准测试中取得了最优结果。

    Apr, 2017

  • 基于标注启发的隐式语篇关系分类及辅助语篇连词生成

    研究了如何在缺乏话语连词的情况下进行隐含话语关系分类，设计了一种神经网络模型，通过预测和生成连词来实现话语关系的分类。实验结果表明，在 PDTB 2.0，PDTB 3.0 和 PCC 三个数据集上，该模型明显优于其他基线模型，从而表明了该模型的长处。

    Jun, 2023

  • 基于依存语法的细粒度攻击性语言检测：使用图卷积网络

    本文介绍了使用 SyLSTM 来检测 Twitter 上的冒犯性言论，同时检测冒犯的类型和目标的新方法，该方法在深度学习体系结构中将句子的句法特征和语义特征相结合，通过图形卷积网络进行集成。结果表明，该方法在参数数量方面比最先进的 BERT 模型有数量级的优势。

    May, 2022

  • DISRPT2019 共享任务中的 GumDrop：基于模型堆叠方法的话语单元分割和连接识别

    本文介绍了 GumDrop 系统，它是乔治城大学参加 DISRPT 2019 共享任务的入口，在自动篇章单元分割和连接识别方面取得了优异的成果，该系统采用模型叠加的方法进行训练，结合三个不同的模型堆叠，使其在不同数据集上具有很好的泛化性和稳定性。

    Apr, 2019

  • 使用对抗验证的轻量级增强模型进行用户响应预测

    本文描述了 ACM RecSys Challenge 2023 的轻量级解决方案，将任务形式化为用户响应预测任务，并通过敌对验证、特征工程技术和梯度提升决策树等方法有效地解决了问题。实验证明单个 LightGBM 模型表现出色，无需额外集成。

    Oct, 2023

  • 结构化梯度树提升算法用于集体实体消歧

    本研究提出了一种基于渐进树提升（gradient tree boosting）的结构学习模型，用于在文档中共同消歧命名实体，并通过提出的双向束搜索算法 BiBSG 进行近似推断。在标准基准数据集上的实验表明，该模型显着提高了先前发表结果，特别是在 AIDA-CoNLL 数据集上表现优异。

    Feb, 2018

  • 基于 Gradient-Boosting 的结构化和非结构化学习

    提出了两个结构化和非结构化数据都存在的问题的框架，采用梯度提升和深度神经网络相结合，可以提高性能。这些框架在各种数据集上进行了实验，表现优于基线方法 0.1％-4.7％。

    Feb, 2023

  • 一个轻量级的主动说话人检测模型

    提出了一种轻量级的主动说话人检测框架，通过减少输入候选信息、分离 2D 和 3D 卷积进行音视频特征提取、并应用门控循环单元（GRU）进行跨模态建模，可以在计算、资源消耗上比现有方法表现更优。

    Mar, 2023

  • 基于标签增强的树形神经网络用于隐式话语关系分类

    本研究使用 Tree-LSTM 模型和 Tree-GRU 模型将句法分析树加入神经网络以编码关系中的参数，同时利用组成标记控制这些树状神经网络中的语义组合过程，实验结果表明我们的方法在 PDTB 语料库中达到了最先进的性能。

    Mar, 2018