- 节奏手势器:基于分层神经嵌入的节奏感知共同语音手势合成
我们提出了一种新颖的共语手势合成方法,在节奏和语义上实现了令人信服的结果。我们的系统包含了一个强大的基于节奏的分割流程,以确保表达和手势之间的时间上的连贯性,以及一种机制,以有效地解开语音和运动的低层和高层神经嵌入,从而实现了节奏和语义感知 - 利用句法依存关系和神经嵌入进行同义词检测
本文研究了向量空间模型在自然语言处理领域的一些应用,通过比较不同模型在 TOEFL 同义词检测中的效果,发现在计算分布相似度时,句法依赖可以更好地解释词汇语义,同时将人工语义知识注入到神经嵌入中可以显著提高同义词检测的效果。
- 利用主题和深度变分模型的可解释假新闻检测
本研究开发了一个深度概率模型,该模型使用一个变分自动编码器和双向 LSTM 网络的密集文本表示与从贝叶斯混合模型中推断出的语义主题相关特征,旨在使用可解释的特征和方法检测真假新闻,实验证明该方法实现了与现有方法可比较的性能。
- 使用概率软逻辑进行对话情感识别
本文研究基于 Probabilistic Soft Logic 框架的情感识别方法,利用神经嵌入和对话结构进行表达,相对于其他基于纯神经网络的方法实验结果平均提高了 20%。
- ACLSBERT 研究意义表示:将句子嵌入分解为可解释的语义特征
该论文介绍了一种新的基于 semantically structured sentence BERT embeddings(S^3BERT)的方法,通过近似可解释的 AMR 图表特征的方法将句子嵌入分解为语义特征,并通过 SBERT 教师模 - 使用神经嵌入技术检测声带疲劳
本文研究了利用神经嵌入技术检测声音疲劳的有效性,研究比较了三种不同类型的嵌入技术:x-vectors、ECAPA-TDNN 和 wav2vec 2.0,并通过分类算法支持向量机表明,在对提取的嵌入技术进行时间平滑和归一化的前提下,即使在连续 - AI 匹配:使用嵌入的两步方法进行模式匹配
本文提出了一种基于神经嵌入的端到端模式匹配新方法,该方法分为表匹配和属性匹配两步。实验结果表明,该方法能够以精确可靠的方式确定匹配,并且相较于传统模式匹配方法能找到非常规匹配点。
- 计算词汇语义变化的挑战
本章节介绍了在计算科学和语言学领域日益增长的兴趣中,对大规模历时文本数据建模和检测语义变化的主要方法,大多数方法都使用神经嵌入,虽然神经模型是易于建模历时文本的主要原因之一,但在解决问题的许多方面距离理想状态还有很远的路要走,该领域有着若干 - ACL自然语言处理模型中的社会偏见作为残疾人的障碍
本文针对自然语言处理技术中社会态度的反映及其中的社会偏见问题展开研究,以两个不同实验为案例,说明训练数据本身的社会偏见对模型的影响。同时,讨论了关于残疾人的话题以及在相关文本中存在的不利偏见,并展示了大量相关证据。
- KG^2: 使用上下文知识图嵌入学习科学考题推理
本文提出了一种新的答题框架,其使用两个上下文知识图谱中的神经嵌入来解决自然科学考试问题,该模型在 AI2 Reasoning Challenge 上表现出优异的性能。
- 超几何空间中图的神经嵌入
通过在超宇宙中学习神经嵌入,可以在图结构数据中提高特征表达的性能,我们的实验证明了在自然几何形态下嵌入图可以显著提高多个实际数据集的性能。
- COLING利用神经嵌入自动标注主题
使用维基百科的标题作为标签的候选项,计算文档和词的神经嵌入,以选择与话题最相关的标签,使得主题标签更简单有效。
- 神经信息检索:文献综述
本研究总结了当前神经信息检索研究的情况,特别关注了问题和文档的学习性表示(即神经嵌入),强调了神经信息检索目前的成功之处,列出了其更广泛采用的障碍,并建议未来研究的潜在方向。
- 学生论文中细粒度的主题相关性评估的句子相似度测量
本文研究学习者文章中句子级提示相关性评估的任务,在两个学习者写作数据集上评估使用单词重叠、神经嵌入和神经合成模型的各种系统。我们提出了一种新的句子级相似度计算方法,该方法学习调整针对特定任务的预训练单词嵌入的权重,相较于其他相关基线模型,实 - 通过观看电影和阅读图书,使书籍与电影结合:朝着故事般的视觉解释
本文旨在利用神经嵌入和上下文敏感的卷积神经网络将电影与小说对齐,以提供更广泛的语义性内容解释,为视觉内容提供详细的描述信息,为此我们展示了良好的定量性能和多样性的任务示例。
- 在知识库学习和推理中嵌入实体和关系
通过基于神经嵌入的方法,学习知识库中实体和关系的表示,并将大多数现有模型统一到一个学习框架下,比较各种嵌入模型在链接预测任务上的表现,其中一个简单的双线性公式在任务中取得新的最优结果;此外,利用此模型可以挖掘逻辑规则,其中包含组合推理,并且