- 利用指针 GPT 的生物医学文本摘要的最佳路径
通过使用指针网络替代原始 GPT 模型的注意力机制，研究发现指针 - GPT 模型在生物医学文本摘要中优于原始 GPT 模型，这对于电子病历系统来说是具有价值的重要补充，可以为临床医生提供更准确、更丰富的病历摘要信息，有可能在电子病历系统中 - 儿童阅读的端到端实时跟踪与指针网络
本研究介绍了一种使用实时阅读跟踪器在儿童语音上进行高效构建的方法，通过采用端到端模型和指针网络的结构，不仅减少了语音跟踪中的延迟问题，还使用强制对齐生成了地面真实文本与读音之间的训练信号，实验结果表明这种方法能够在不同数据集上以高精确度跟踪 - 基于指针网络引导的知识驱动生成式对话模型 (PK-Chat)
PK-Chat 是一种基于知识驱动的生成对话模型，通过指针网络和预训练语言模型在学术场景中进行语言生成，实现了正确且连贯的回答。
- 组合优化的多目标指针网络
这项研究提出了一种名为 MOPN 的多目标指针网络单模型深度强化学习框架，用于有效解决多目标组合优化问题，在不同应用场景下深度增强学习与代表性模型、迁移学习等策略相结合下取得了更好的性能。
- ACL使用指针网络实现自底向上的短语句法分析和嵌套命名实体识别
本文提出了一种新的指向机制，将嵌套的命名实体识别转换为成分分析，从而实现用线性步骤并保持结构一致性地解决两个相似任务的目的，并在多个基准测试数据集上取得了表现良好的成果。
- AAAI精准地掌握明示意见 - 角色交互关系：基于语法辅助的神经过渡系统用于统一意见角色标注
本研究提出一种新型的模型，使用指针网络和统一依存 - 观点图来解决统一观点角色标注中的复杂性和限制性问题，并在 MPQA 基准测试上实现了最新成果。
- ACL基于模板导向的混合指针网络用于基于知识的任务导向型对话系统
本研究提出了一种基于模板的指针网络模型，该模型利用预构建的特定领域会话存储库中的相关答案作为指导答案，并将指导答案并入编码和解码过程中，以提高神经网络任务导向对话系统的性能。实验表明，该模型在四个常用任务导向数据集上的表现明显优于最先进方法 - EMNLP使用指针网络重排序将不连续转换为连续解析
通过将不连续成分的树转换成连续的变体，并使用指针网络和双射函数，将不连续的解析降低到一项连续问题，这项方法与全面的不连续算法相比具有相当准确率，但速度要快得多。
- AAAI视频场景对话的结构化共指图注意力
本文介绍了一个名为 SCGA 的视频对话系统，该系统使用结构化共指解析器和时空视频推理器来解决视频场景下的共指和推理问题，并利用指针网络动态复制问题的部分来解码答案序列，在 AVSD@DSTC7 和 AVSD@DSTC8 数据集以及 TVQ - IJCAI逻辑受限指针网络：用于可解释的文本相似度
研究一种使用 BERT 表示组成部分的句子的模型，结合指针网络和 ConceptNet 等知识，实现对文本语义相似性的可解释性分析。实验结果表明，该模型在 chunk alignment 任务上取得了显著的性能提升。
- MM基于指针网络的多小区 NOMA 联合用户配对与关联
本文研究了多小区非正交多路访问系统中的联合用户对配对和关联问题，并使用机器学习的新型深度学习技术解决了组合优化问题，并且在性能方面优于随机用户配对和关联技术约 30%。
- 使用神经注意力和字节对编码完成代码
本文旨在利用实现自 Li 等人的神经网络进行代码自动补全，我们将该神经网络应用了介于字符和单词编码之间的字节对编码（BPE）对源代码文件进行处理，而无需先转换为抽象语法树（AST）。我们实现了两个模型：一个注意力增强的 LSTM 模型和一个 - EMNLP在无需逻辑形式的情况下回答结构化数据上的对话式问题
我们提出了一种用于回答基于结构化对象的时序问题的新方法，可以编码表格为图，使用指针网络从编码图中选择答案。我们展示了该方法在 SQA 任务上具有竞争性的结果。
- 旅游领域深度对话推荐
本文提出了一种深度对话推荐模型并将其应用于旅游方面，通过引入神经潜在主题组件来指导响应生成，同时利用基于图的卷积网络来捕捉不同场所之间的联系和对话背景之间的匹配。通过与基线模型的比较，我们在多轮任务导向的旅行对话数据集上广泛评估了该方法，结 - 一种基于分层解码模型的口语理解方法
本文利用一种新型分层解码模型来处理非对齐语音理解中的 act-slot-value 类型的数据，实验结果表明该模型不仅胜过现有最先进的产品，也能高效处理未知的 act-slot type 对和 OOV 值。
- ACL指针网络实现的从左到右定向依存句法分析
提出了一种新颖的基于转移的算法，采用指针网络框架，从左到右直接将句子解析为 $n$ 个附加部分，避免使用原始的自上而下堆栈指针解析器，并将转换序列长度减半，得到了一个二次非投影解析器，在完全监督单模型依赖解析器中取得了迄今最好的准确度，并在 - ACL利用外部专家实现罕见词翻译的单次学习
提出一种通过使用指针网络和强化学习来控制模型 - 专家交互的通用方法，从而解决当前系统中翻译罕见单词的主要挑战，并通过使用基于短语的模型来模拟专家来补充神经机器翻译模型，以改善英语 - 西班牙语和德语 - 英语之间的翻译质量。
- 描述知识库
利用指针网络，通过两个注意力机制（槽感知注意力、表位置自注意力），自动生成关于结构化知识库的自然语言描述，并提出基于 KB 重构的评估方法。实验表明，与现有最先进方法相比，该方法的性能显著提高，重构后的 KB 达到了 68.8％-72.6％ - ACL一个端到端的方法来处理对话状态跟踪中的未知槽值
本文介绍了一种基于指针网络 (PtrNet) 的 E2E 框架，可以有效地提取未知槽值，同时仍然能够在标准 DSTC2 基准测试中获得具有代表性的精度，我们还提供了广泛的实证证据表明，跟踪未知值可能具有挑战性，在有效的特征 dropout - 使用深度强化学习方法解决新的 3D 装箱问题
本文提出一种新型三维装箱问题，利用深度强化学习算法中的 Pointer Network 方法来优化装箱物品的序列，以期在不固定大小容器的场景下，通过最小化表面积来减少容器成本。数值结果显示该方法较启发式方法改进了约 5%。