May, 2024

成语处理中的质量、数量和语境：少即是多吗？

PDF
TL;DR通过在公共领域图书文本中替换可能成语化的英语名词复合词的同义词，我们创建了名词复合同义词替换数据集，探讨了用于成语性检测模型训练时数据数量和质量之间的平衡，同时考虑了从周围句子中获取的上下文信息和从语言资源中获取的外部信息。成语性检测任务的性能表明数据集质量对于含有上下文信息的模型更为重要，但对于不包含上下文策略的模型，数量也起到一定作用。
发现论文，激发创造
  • 使用语义兼容性进行惯用语表达式识别

    本研究提出了一种多阶段深度神经网络架构，利用注意力机制和上下文信息对句子中的习语表达进行定位，通过评估表明该模型能够在各类习语表达的数据集上实现新的最优结果，并具有对未见过的习语表达的识别能力。

    Oct, 2021

  • Transformer 能过于组合吗？分析神经机器翻译中的习语处理

    该论文探讨了神经网络机器翻译模型的机制，发现 Transformers 模型在将成语翻译为目标语言时，倾向于将其视为由多个字面意义组成的表达式，导致成语的字面意义被保留。

    May, 2022

  • 使用多重量化语句进行自然语言推理神经模型的压力测试

    本文提出了一种生成数据集的方法，用于生成特定的自然语言推理例子，从而更精确地表征语义复杂性，并指出仅强制词汇对齐的模型可以避免关键信息的损失。

    Oct, 2018

  • 翻译意义而非单纯的词语：IdiomKB 在通过语言模型优化成语翻译中的作用

    使用大型语言模型开发的多语言习语知识库（IdiomKB）能够提高机器翻译模型的性能，通过检索习语的比喻含义，使较小的模型在翻译过程中得到更全面的理解。

    Aug, 2023

  • 自然语言复合性之悖论：基于神经机器翻译的案例研究

    本文探讨了神经机器翻译在自然语言处理中的组合性能力测试及其对真实数据的影响，结果显示需要重新思考神经网络的组合性评估及开发相应基准测试。

    Aug, 2021

  • 用于自然语言推理复杂组合知识评估的合成数据集

    本研究介绍了一个名为 SICCK 的合成数据集和一种新颖的分析方法，通过修改自然语言推理（NLI）模型可理解逻辑组成性的性能，并发现 NLI 模型在零 - shot 和精调情况下对带有量词和否定的修饰语进行修改后的句子表现不佳。

    Jul, 2023

  • HIT 在 SemEval-2022 任务 2 中的表现：预训练语言模型用于成语检测

    通过使用预训练的语言模型，我们可以提供上下文感知的句子嵌入来检测句子中的多词表达是否是惯用用法，从而更好地理解多词表达的惯用含义。

    Apr, 2022

  • 通过受控语法简化识别、测量和降低句法复杂性

    本研究提出了一种基于事实信息的控制简化方法，使用句法依赖分析将复合和复杂句子拆分为简化句子的集合，并用统计方法度量了句子的句法复杂度，通过本方法，可在不失信息的情况下简化语言，用于知识图谱中三元组的提取与构建。

    Apr, 2023

  • 仍是个烦人的问题：评估文本表示在词组合成中的表现

    本研究通过测试多种文本表示模型的性能，发现与静态词嵌入相比，上下文有关的单词表示模型对于检测含义转移等方面的应对能力更强，但在获取暗含信息方面，其表现仍远远不及人类水平。研究者设计的包含 5 个涉及词汇组合效应的任务的评估套件可用于提高此类表示模型的研究。

    Feb, 2019

  • 利用 Bootstrapping 和 Web 作为语料库的大规模名词复合物解释

    本文研究获取名词复合物及其语义解释的方法，通过引入 bootstrapping 和 web statistics，利用名词复合物与其解释模式的关系，进行多次交替提取，并发现将一个复合名词固定可以获得更多的有语义解释的复合名词和更强的语义限制。

    Nov, 2019