Jun, 2024

CoastTerm：沿海科学文献的跨学科术语提取语料库

PDF
TL;DR气候变化对沿海地区的影响越来越大，特别是对活跃但脆弱地区的影响，需要各方不同利益相关者和学科间的合作，以制定有效的环境保护政策。我们引入了一个新颖的专门语料库，包括 2,491 个句子，来自 410 个有关沿海地区的科学摘要，用于自动术语提取（ATE）和分类（ATC）任务。通过利用单语和多语转换模型，受 ARDI 框架的启发，着重于演员、资源、动态和相互作用的识别，我们自动提取了领域术语及其在沿海系统运行中的独特角色。评估结果表明，自动术语提取的 F1 分数约为 80％，提取术语及其标签的 F1 分数为 70％，这些发现非常有希望，标志着向专门致力于沿海地区的知识库开发迈出的初步步伐。
发现论文，激发创造
  • ATCO2 corpus: 用于自动语音识别和空中交通管制通讯自然语言理解研究的大型数据集

    本文介绍 ATCO2 语料库，它旨在促进空中交通管制领域内鲜有研究的挑战性问题，该语料库涵盖数据收集和预处理，语音数据的伪标注以及 ATC 相关命名实体的提取等方面，有助于推动韧性自动语音识别和自然语言理解等技术的发展。

    Nov, 2022

  • 自动术语提取的最新进展：一项调查

    本文就基于深度学习和基于 Transformer 模型的 ATE 系统进行了综述，并对比了之前基于特征工程和非深度学习算法的 ATE 系统。

    Jan, 2023

  • TERMinator：科学文本处理系统

    本文介绍了一个包括两种任务的数据集，以及一个名为 TERMinator 的工具，用于从科技文本中提取实体和它们之间的语义关系，并研究语言模型对术语识别的影响和不同方法之间的比较。实验证明，预先训练在目标语言上的语言模型并不总是表现最好。此外，添加一些启发式方法可以提高特定任务的整体质量。

    Sep, 2022

  • TDMSci：一种用于科学文献实体标注的专业语料库，标注对象为任务、数据集和指标

    本文为了促进科学出版物摘要和知识发现的研究，提出了一个新的语料库，其中包含来自自然语言处理论文的 2000 个句子的任务、数据集和评估指标的领域专家标注。通过使用简单的数据增强策略，我们报告了 TDM 提取的实验结果，并将我们的标签器应用于 ACL 文集中约 30,000 篇 NLP 论文。

    Jan, 2021

  • 使用自动标记数据集的 B-LSTM & CRF 无监督方面术语提取

    本文提出了一种在 Supervised ATE 任务中表现最好的架构，同时可作为无人监督 ATE 的特征提取器和分类器，以及一种自动构建 ATE 数据集的方法。我们的无人监督方法优于 SemEval 监督 ABSA 基线，并保持高精确度得分。

    Sep, 2017

  • 历史注意力和选择性转换结合的方面术语抽取

    本文针对 Aspect-Based Sentiment Analysis 领域中的关键任务 Aspect Term Extraction，提出了一种新的框架，该框架利用了两个有用的线索：意见汇总和方面检测历史，从而实现有效的 Aspect Term Extraction。实验证明，该框架能够优于所有现有的方法。

    May, 2018

  • 基于语料库主题分类的专题应用检索改进

    使用语料库主题分类系统的插入式框架 ToTER，通过指导查询和文档的核心主题并利用它们的主题相关性来补充缺失的上下文，提高主题特定应用中文档检索的效果。

    Mar, 2024

  • 高度技术领域的非监督术语提取

    本文介绍了一个商业知识发现平台的术语提取子系统，采用全面且无监督注释器来跨越高度技术领域。该注释器通过将子词分词的新颖形态信号与使用通用领域预训练句子编码器计算的术语和主题以及内部术语相似度度量相结合，提取术语。通过在大型未标记语料库上运行 UA 生成的训练数据进行变压器模型的微调或预训练，使得此设置能够提高预测性能，同时减少 CPU 和 GPU 的推理延迟。该注释器为所有未标注语料库提供了非常有竞争力的基线。

    Oct, 2022

  • ACCoRD：科学概念多文档生成多样化描述方法

    提出 ACCoRD 系统来生成科学概念的多重描述，通过利用科学文献中提到概念的众多方式，以不同的参考概念为基础，生成对目标科学概念的不同、多样的描述。我们开发了一个标注工具 ACCoRD 语料库，包括 1,275 个标记上下文和 1,787 个手工编写的概念描述。通过用户研究表明 (1) 用户更喜欢我们的系统生成的描述，(2) 用户更喜欢多个描述而不是单一的 “最佳” 描述。

    May, 2022

  • 协同主题建模

    我们提出了一种名为 “协调主题建模” 的新问题，旨在通过复用现有知识来更加可解释地表示语料库，并设计了一种基于嵌入式的协调主题模型（ECTM），该模型通过引入主题和文档级别的监督和自训练机制来解决此问题，并在多个领域进行的广泛实验表明我们的模型优于其他基线。

    Oct, 2022