fine-grained semantics | BriefGPT

关键词fine-grained semantics

搜索结果 - 9

如何理解 “支持”？一种隐式增强的因果推断方法用于弱监督短语定位
利用弱监督短语定位和隐性增强的因果推断方法解决了存在于细粒度语义与多模态深度语义理解任务中的挑战，并对隐性增强数据集进行了评估，结果显示隐性增强的方法在隐性数据集上明显优于现有的基准模型，尤其在多模态深度语义理解方向上，相比先进的多模态 L
PDF4 months ago
无监督句子嵌入的自适应对比学习重建
我们提出了一种自适应重建对比句子嵌入（SARCSE）框架，通过使用自动编码器对句子中的所有单词进行重建，帮助模型在聚合单词时保留更多细粒度的语义。实验结果表明，与强基准 SimCSE 相比，SARCSE 在 7 个 STS 任务中取得了显着
PDF4 months ago
AAAIDenoSent: 自监督句子表示学习的去噪目标
通过引入离散和连续噪声，我们提出了一种新的去噪目标，通过训练模型将噪声句子恢复为其原始形式，从而在语义文本相似性和广泛的迁移任务中实现了有竞争力的结果。
PDF5 months ago
用于知识图谱补全的上下文字典查询
本文介绍了一种采用上下文字典查找的新方法，利用传统的嵌入模型以端到端方式学习关系的细粒度语义，从而解决了知识图谱完成中的语义问题，并在多个基准数据集上获得了显着的性能提高。
PDFa year ago
CVPRANetQA：针对未修剪视频的细粒度组合推理的大规模基准测试
本研究介绍了 ANetQA，这是一个支持对挑战性非剪辑视频进行精细组成式推理的大规模基准测试。与现有的基准测试相比，它通过自动从预注释场景图中生成 QA 对，使得可以对多样化的推理能力进行粒度控制。与 AGQA 相比，ANetQA 的 QA
PDFa year ago
对比图表示学习中的细粒度语义捕捉
本文提出了一种新的细粒度语义增强的图对比学习方法（FSGCL），采用基于图形的结构构造，提取具有不同语义的图形，并从模型训练的角度进一步增强对细粒度语义的利用。实验表明，相对于现有的方法，所提出的 FSGCL 方法具有更好的性能。
PDFa year ago
EMNLP多价蕴涵图用于问答
本研究介绍了一种基于无监督学习的多元蕴含图方法，用来理解自然语言断言之间的关系，并在微观语义问答任务中展示了其性能。结果表明，多元蕴含图在细粒度语义问题上比双向相似性更有帮助，并且跨语言价位的证据对于回答问题比仅使用相同语言价证据更加有效。
PDF3 years ago
COLING理解基于预训练 BERT 的方面情感分析
本文分析了 BERT 上预先训练的隐藏表示，用于方面为基础的情感分析（ABSA）任务。作者发现，BERT 使用非常少的自我关注头来编码上下文单词和方面的意见词。大多数方面的表示特征都专注于领域（或产品类别）和方面本身的细粒度语义，而不是携带
PDF4 years ago
SEGCloud：3D 点云的语义分割
本研究介绍了 SEGCloud，一种利用三线性插值和完全连接条件随机场等方式得到端到端三维点级分割的框架，可实现对室内和室外三维数据集进行准确的场景标注。
PDF7 years ago