通过使用模糊性相对子句附加来扩展语言模型在多重同时有效解释的情况下的评估方法。我们比较了英语和西班牙语模型的表现，以展示 RNN LMs 中的非语言偏见优势重叠在英语而非西班牙语的句法结构上。因此，英语模型可能具有类似于人类的句法偏好，而在西班牙语上训练的模型无法获得类似的人类句法偏好。

May, 2020

本文研究语义分析在外语（L2）环境下的应用，以语义角色标注（SRL）为案例任务、以学习汉语为案例语言。文章手动为一组学习者文本注释语义角色并建立标准数据，使用新数据评估三种现有的 SRL 系统，探究如何成功地处理学习汉语的 SRL 任务。接着，本文将引入一种基于协议的模型来探索大规模 L2-L1 并行数据中的语义连贯性信息，以增强 SRL 的学习。实验表明，新模型可以在学习文本上实现 72.06 的 F-score，比最佳基准提高了 2.02 个百分点。

Aug, 2018

本研究提出了一种递归模型，能够在不需要任何语言结构监督的情况下，通过两个单独的语法和语义模块进行协同训练，达到几乎完美的数学表达式分析精度，并可在不同领域进行泛化，并在自然语言推理和情感分析等多个自然语言任务中表现出竞争性。

Feb, 2019

通过引入 Universal Dependencies 中的句法特征，特别是句子内的句法关系和句子间的句法关系，从而建立一个跨语言的 Inter-Sentence 依存图，并提出了一个 ISDG 编码器，能在无需跨语言训练的情况下显著提高零 - shot 的性能。

Dec, 2021

本篇论文旨在探讨 RNN 语言模型在语法结构方面的表现，研究填充语与间隔的依赖关系及语法岛的限制，通过控制实验证明了该模型在岛屿限制下仍能维持填充语与间隔的依赖关系，模型的行为是基于更精细的期望而非粗略的句法复杂性，但在某些表现特征上与人类不相似。

May, 2019

研究了神经序列模型通过 typological properties 如词序和形态格标示来获取一种语言的语法的能力，针对这种种类繁多的语法特征和训练语料之间的复杂交互，作者使用了从英文中生成一些与英文在一个或多个语言学特性上不同的合成语言来避免影响，研究表明诸如 SVO 词序、多个格标示等特性可以有效提高合成语言的一致性效果。

Mar, 2019

本研究关注于多语言语义角色标注（SRL）模型的开发，并围绕句法规则、上下文化词表示等因素展开了研究，提出了一种基于句法规则的剪枝方法，并在 CoNLL-2009 的七种语言基准测试中实现了状态 - of-the-art 的效果，并验证了深度增强表示对多语言 SRL 的有效性。

Sep, 2019

使用一系列神经视觉语法归纳模型，通过同时学习句法和语义来展示语义引导和句法引导对语言习得的影响，并表明联合学习能够提高语法归纳、词类学习和新句子和动词意义的解释。联合学习通过相互约束句法和语义的假设空间，使得语言习得对学习者更容易。同时，研究联合推理的动态过程对于语言建模和学习研究来说是一个重要的新方向，在认知科学和人工智能领域可以帮助我们解释如何在更受限的学习环境中学习语言。

Jun, 2024

本文使用深度学习框架，通过实验探究了句法信息对神经语义角色标注 (SRL) 的重要性，发现在一定条件下，神经 SRL 模型仍能从句法信息中获益；并且，本文使用现有模型进行了全面的实证研究，量化了句法对神经 SRL 模型的重要性。

Sep, 2020

本文介绍了基于统一覆盖模型的跨度和基于单词的语义角色标注，并提出了一种多任务学习框架，其中包括基本 SRL 模块和依赖性解析器模块，通过该框架，我们使用外部句法表示得到了新的最先进的中文 SRL 良好结果。

Nov, 2019