关键词discourse segmentation
搜索结果 - 6
- 开放式检索式对话式机器阅读
本文提出并研究了对话式机器阅读的开放检索设置。在这种场景下,系统需要从一组规则文本中检索问题相关证据,并以对话方式回答用户的高级问题。我们提出了一个名为 MUDERN 的多段落语篇感知蕴涵推理网络,在我们创建的 OR-ShARC 数据集上实 - EMNLP辨别:面向对话机器阅读的语篇感知蕴含推理网络
本文提出了 Discern,透过将文件拆分成 EDU 单元,进行前置训练的话语分割模型,并以弱监督方式预测 EDU 是否为对话中用户反馈的被蕴含,提高文件和对话的理解,取得最高决策准确度 78.3% 及跟进问题生成 BLEU1 64.0 的 - 将科学摘要分成话语类别:一种基于深度学习的稀疏标记数据方法
运用迁移学习,我们在计算机科学领域使用深度神经网络模型训练出三个共性的学术论文段落开头,分别是 BACKGROUND、TECHNIQUE 和 OBSERVATION,用以进行抽象语段级别的分割,并取得了 75% 的准确度。
- EMNLP快速且准确的神经话语分割
本文提出一种基于 BiLSTM-CRF 框架的端到端神经分割器,为了提高其准确性,我们解决了数据不足的问题,并使用自我注意机制捕捉了有用的邻域信息,实验结果表明,我们的模型在达到新的最佳性能的同时,比以前的方法快得多。
- ACL跨语言与跨领域的整个文档语篇切分
该文章介绍了基于统计方法的语篇分割器,可用于五种语言和三个领域中,无需事先标注的数据,并且提供了有监督和无监督学习的结果。
- ACL一个自动查找主题边界的方法
本研究提出一种基于词汇凝聚度和图形技术(点图)的定位语篇边界的新方法,该方法可以通过手动检查图形或使用优化算法自动执行。本文还介绍了两个涉及自动定位一系列连接文档之间边界的实验结果,并概述了该方法的应用领域和未来方向。