Sep, 2024

CERD：一个用于论文修辞理解与生成的综合中文修辞数据集

HTML
PDF
TL;DR本研究解决了现有修辞理解和生成数据集中对不同修辞设备之间相互关系的忽视，提出了包含4个常用粗粒度类别和23个细粒度类别的中文作文修辞数据集（CERD）。实验结果表明，使用大语言模型联合微调多个任务可以显著提高修辞生成和理解的效果，从而提升写作能力和语言应用技能。
发现论文，激发创造
  • 针对TED演讲的浅层言语注释

    本文介绍了一种基于Penn Discourse TreeBank标注语言相关特征的新资源，通过对TED Talks进行标注，为中英文翻译和语言技术的发展做出了贡献。该资源注重对计划性口语独白的篇章层面语言特征的标注，而不仅仅局限于书面语，基于多位标注者的协商，该标注方案的可靠性得到了证实。

    Mar, 2020

  • GCDT：一个适用于多类型和多语种篇章分析的汉语RST树库

    本文提出了GCDT，这是目前最大的汉语层次化语篇树库，基于修辞结构理论，覆盖五种文本类型，使用与当代英语RST树库相同的关系清单。通过使用中英文多语言嵌入来训练语言关系，本文还介绍了这个数据集的分析实验，包括中英文RST解析和在英语GUM数据集上的RST解析，其中包括最先进（SOTA）的中文RST解析分数。

    Oct, 2022

  • 汉语话语注释参考手册

    该文提供了关于中文语篇结构理论的标注的指南，并包含预处理、分割和定义篇章关系的步骤和示例，旨在促进RST框架的跨语言应用。

    Oct, 2022

  • 汉语对话级依存句法分析的初步研究

    研究了汉语对话级别的依存分析, 利用句法依存和修辞结构理论的思想，开发了一个人工注释的高质量语料库，探索了零样本和少样本场景，并考虑采用基于信号检测的方法将先前存在的句法依存转化为单元话语之间的未见依存的场景。通过单视图和多视图数据选择来获取可靠的伪标签实例，实验结果表明了这些基线的有效性。同时，我们还讨论了有关数据集和方法的几个关键点。

    May, 2023

  • 引入修辞平行性检测：一项包含数据集、评估指标和基准的新任务

    自然语言处理中缺乏对并列结构进行研究，本文引入了修辞并列检测的任务，并提供了相关数据集、评估指标、基线系统和序列标注方案。在最严格的评估指标下，我们在拉丁文和中文数据集上取得了0.40和0.43的F1得分。

    Nov, 2023

  • CMDAG：一个带有标注基础的中文隐喻数据集，用于提升隐喻生成

    该研究介绍了一个大规模高质量的中文隐喻语料库，并提供了一套全面的准则作为注释指南，通过集成“ground”作为CoT（思维链）输入，能够更多地产生与现实直觉产生共鸣的隐喻，测试了Belie、Baichuan和Chinese-alpaca-33B等生成模型，并展示了该语料库在中文隐喻研究中的价值。

    Feb, 2024

  • 调查亡灵心智：基于上下文构造表示（CCR）的古典汉语历史心理文本分析

    通过在古代汉语中开发历史心理文本分析的管道，我们结合心理测量学的专业知识与基于变压器的语言模型生成的文本表示，测量古代汉语语料库中的传统主义、规范强度和集体主义等心理构造，并通过间接监督的对比学习方法与预训练模型进行微调，展示了我们的管道的卓越性能。

    Mar, 2024

  • 通过篇章结构和语义信息增强跨文档事件共指消解

    通过构建文档级的修辞结构理论（Rhetorical Structure Theory, RST）树和跨文档词汇链，再利用异构图和GAT模型学习事件的表示，最后使用标准聚类算法识别共指事件，我们提出了针对现有的完全依赖于长距离依赖关系的事件关联模型不足的解决方案，并且在英文和中文数据集上都取得了显著的突破，超过了所有基准模型。

    Jun, 2024

  • 检测较少知名修辞手法的计算方法：系统综述与研究挑战

    对于计算机来识别修辞手法是非常重要的，本论文提供了对于较少人知悉的修辞手法的计算方法的全面概述，突出了从语言和计算的角度看待修辞手法的重要性，详细介绍了不同的修辞手法，包括数据集、定义、修辞功能和检测方法，同时也指出了数据集稀缺、语言限制和基于规则方法的依赖等挑战。

    Jun, 2024

  • CCL24-Eval任务7系统报告：用于中文作文评估的多错误建模和流利度目标预训练

    我们在CCL-2024的中国作文流畅性评估（CEFE）任务中通过优化预测、构建伪数据以及使用基于NSP的策略有效地解决了中文作文流畅性评估中的重要挑战。

    Jul, 2024