- 有歧义的语篇标记和交织关系的分布式标记表示
通过学习分布式标记表示以及潜在的语篇感,实现了对句子对之间的标记和语段信息的联系,具备自动学习和解释性强的特点,并在隐式语篇关系识别任务中达到了 SOTA 效果。
- ACL使用多特征嵌入提高协作对话分析的通用性
本研究旨在通过分析话语以预测协作成功,引入了一种多特征嵌入方法(MFeEmb),它结合了文本、结构和语义信息,包括词汇、对话和情感特征,通过使用对话行为和情感特征降低自然分布变化带来的性能损失,并在不同领域的团队表现中展示了 MFeEmb - 全局和局部基于层级感知的对比框架在隐式篇章关系识别中的应用
提出了一种新颖的全局和本地层次感知对比框架(GLOF),以通过对比学习来建模两种层次。该方法在 PDTB 数据集上显着优于当前最先进的模型,解决了暗示性篇章关系识别 (IDRR) 在篇章分析中的难题。
- 痴呆症患者的话语和对话障碍
本篇论文回顾了有关语言和沟通缺陷的发现,并分析了认知、社交、行为各方面的影响。文章探讨临床话语分析法,它可以为病人的语言和沟通技能提供全面评估,可以补充现有的神经语言学评估,用于诊断、预测和评估治疗的有效性。
- 探究中心理论在神经语义消歧系统中的作用
本文探讨了中心原理(CT)与现代指称消解系统之间的关系,并提供了中心的操作性定义。信息熵分析表明,指称消解与中心原理之间存在正相关依赖关系,但高质量的神经指称消解器对中心概念的显式建模没有太多好处。结果表明,语境化嵌入包含了很多一致性信息, - 通过梯度提升实现领域无关的监督式话语解析
本文提出了一种新的有监督范式,用于解决语篇分析中域依赖的问题,通过梯度提升框架引入弱分类器级联模型,设计了第一个完全有监督的语篇分析器。
- 社交媒体数据中心理健康的可解释因果分析
本研究通过对社交媒体上精神疾病分类进行多类因果关系分析,发现因果关系解释的重叠问题是导致错误预测的主要挑战之一,并通过采用一些解决方法验证了该假设的有效性。实验结果表明,使用 LIME 和 Integrated Gradient(IG)方法 - 话语层面感知隐喻性的特征:抽象性和情感性
本研究探讨心理学领域中隐喻言语的抽象性和情感性如何影响篇章层面的隐喻性,并通过语料抽取和众包实验的方式,揭示人类注释者在判断隐喻表达方式及其的原因时使用的文本和感性特征。研究结果表明,与直喻相比,隐喻篇章更加情绪化和抽象化,而前文段中的隐喻 - ACL使用上下文表示改进话语依存分析
本研究提出了一种基于 transformers 的新方法,通过对不同级别单元的上下文化表示进行编码,动态捕捉对话依赖分析所需的信息,并将对话关系识别视为序列标记任务
- 话语解析中真正重要的变化:估计领域漂移对解析器错误的影响
本文提出了一种用于文本学习在训练分布和测试分布不同的情况下的模型泛化能力的度量方法,并通过大规模经验研究在 6 种不同数据集上验证了该方法的有益性。
- COLING发掘神经言语解析器的能力 —— 使用大规模预训练的上下文和结构感知方法
这篇论文提出了一个简单但高精度的 RST 语篇分析器,采用最近的上下文语言模型,表现出两个重要数据集,RST-DT 和 Instr-DT 的最新技术性能。研究人员还表明,在最近可用的大规模 “银标准” 话语树库 MEGA-DT 上预训练我们 - EMNLP非监督对话结构归纳的结构化注意力
本论文通过在变分循环神经网络模型中引入结构化注意力层,以无监督学习的方式学习对话结构,并对多方对话数据集进行了实验,展示了模型区分发言人或地址、自动脱钩对话的能力。
- ACL一种用于句子级别语篇解析的统一线性时间框架
使用神经框架和指针网络,基于 Rhetorical Structure Theory (RST) 的句子级别的语篇分析提出了一种高效的分析方法。基于分段器和分析器的性能表现显示出此方法具有优势且逼近人类认知水平。
- ACL新闻到医学:跨领域话语分割
本文介绍了对英语医学语料库进行话语分析的第一步,将其划分为不同段落,并研究训练好的分段器在医学领域中的表现。虽然表现有所下降,但错误类型表明一些问题可以在更早的步骤中解决,而另一些问题则需要扩大语料库以学习医学领域的细微差别。
- 微博会话中话题和语篇的联合建模
本文提出了一个无监督框架,用于共同建模微博交谈中的主题内容和话语行为。具体而言,我们提出了一个神经模型来发现表示会话涉及什么(即主题)和反映参与者表达意见的词群(即话语)。广泛的实验表明,我们的模型既能产生连贯的主题又能反映有意义的话语行为 - ACL分析话语的时间结构的算法
本文描述了一种分析话语的时间结构的方法,该方法考虑了时态、体态、时间状语和修辞结构等因素,并最小化了时间结构中的不必要的歧义。该方法使用约束和偏好相结合的方式来构建话语的时间结构,并采用时间中心机制来选择剩余选项。最后,建议使用这些技术的结