commonsense validation | BriefGPT

关键词commonsense validation

搜索结果 - 6

通过层次关系和常识知识增强场景图生成
该论文提出了一种改进的方法来生成场景图，通过引入关系层次结构和常识知识。具体而言，我们提出了一个贝叶斯分类头，利用了信息丰富的层次结构，同时预测两个对象之间的超类或关系类型以及每个超类下的详细关系。我们设计了一个常识验证流程，使用大型语言模
PDF7 months ago
基于自编码语言模型的集成学习用于常识验证和解释
本文提出了一种基于自编码语言模型的集成学习方法，称为 ALMEn，用于常识验证和解释，在 SemEval-2020 任务 4 的基准数据集上表现良好，可区分违反常识的自然语言陈述并正确识别其原因，验证和解释选择子任务的准确性分别达到 97.
PDF2 years ago
EMNLP标注丰富场景下自然语言解释的小样本领域迁移学习
本文研究了利用少量标注语言解释的迁移学习方法在无领域语言理解任务中的应用，并将其成功应用于代词消解和基于 commonsense 的验证等任务中。
PDF3 years ago
基于异构知识资源的常识验证与解释 ——ECNU-SenseMaker 在 SemEval-2020 任务 4 上的表现
本篇论文介绍了一种新的基于多源知识的 Commonsense 验证和解释体系结构，名为 KEGAT，利用考虑结构化知识库（即 ConceptNet）和非结构化文本的异构知识来提高机器在 Commonsense 理解方面的能力，其公告代码名为
PDF4 years ago
使用提示模板重构策略指导 PLM 进行 ComVE 的 SemEval-2020 任务 4 中的 IIE-NLP-NUT
本文介绍了我们用于 SemEval Task4 的前两个子任务的系统，通过使用提示模板进行输入重构策略来澄清判断意图和注入对比信息以进行选择，并将子任务形式化为多选题形式来构建输入，然后，问题回答的最终预测被视为子任务的结果。实验结果表明，
PDF4 years ago
MMSemEval-2020 任务 4：常识验证与解释
本文介绍了 SemEval-2020 任务 4，Commonsense Validation and Explanation (ComVE)，该任务包括三个子任务，旨在评估一个系统能否区分人类可以理解的自然语言语句和不可理解的语句，并提供解
PDF4 years ago