本研究提出了一种交互式框架，该框架通过接收并编码领域相关的概念和专家反馈来维护领域专家对学习的控制，从而在自动化和手动编码之间取得平衡。

May, 2023

本文提出了一种基于无监督方法的科学文献概念提取方法，通过挖掘后续论文中引用某篇文章的数量，提高了从计算机科学论文语料库中提取概念的精确度，Precision@1000 为 99％。

Jun, 2020

该论文介绍了一种利用大型语言模型技术支持智能代理语义词典中新条目的自动学习的系统。这种学习方法通过现有的非玩具词典和自然语言生成器引导启动，将意义的表达按基本本体建立转换为自然语言句子。此学习方法已应用于学习多词表达式，其含义与智能代理语义词典中的及物动词等效。实验展示了一种融合基于知识的方法、资源、传统数据分析和大型语言模型的混合学习架构的优势。

Dec, 2023

AutoLEX 是一个自动框架，旨在帮助语言学家发现和提取语言现象的简洁描述，如形态一致性、格标记和词序。

Mar, 2022

本文认为，术语知识库（TKB）在解决不符合正式标准的各种需求方面越来越有用。我们设计了一个包括术语、概念和文本的 TKB 结构，用于阐明给定领域的术语，说明术语在各种情境下的使用方法。概念以非正式的方式呈现，被表示为帧。最终，我们讨论了 TKB 在本体论方面的情况以及在开发 AI 系统方面的应用。

Feb, 2023

通过自动发现和可视化语法描述，本研究旨在帮助语言教育专家自动创建材料，以便教授印度语言中的语法和语义知识。

Oct, 2023

本研究介绍了一个自动框架，旨在通过自动发现和可视化语法的不同方面来促进语言教学，其中从自然语料库中提取描述单词排序、一致性、语法标记或词形成及词汇学习的描述，并显示例证。作者在印度语言 Kannada 和 Marathi 上应用此方法，以评估其实用性，并邀请北美的语言教育家对这些语言进行手动评估。教师们认为这些材料有趣，可以用作自己的课程准备或学习者评估的参考资料。

Jun, 2022

本研究使用自动排名法大幅减少专家评估的数量，并在英语中测试了该方法对具有较小样本的具体 / 抽象单词字典自动生成的可行性和准确性，结果表明构建的字典质量和专家手动构建的字典相当且预测和专家排名之间的相关性高于现有方法。

Jun, 2022

该研究提出了 ConceptX 人在循环框架，用于解释深度语言模型中预训练隐藏表达空间，并提供自动生成的基于语言本体论的概念注释，以表示这些模型中学习到的隐含概念，从而帮助注释人员标记模型中的偏见。

Nov, 2022

本研究提出一种基于概念共现的框架，集成于研究助手系统，用于加速学术灵感的产生与发现。实验结果表明，该系统具有广阔的前景和应用价值。

Jun, 2023