- RepoHyper: 软件仓库级别的代码自动完成功能需要更好的上下文检索
Code Large Language Models (CodeLLMs) often lack contextual understanding of project repositories, but the RepoHyper fra - 智能知识传输使用类似谷歌搜索的方法
通过创建一个语义图形，SMARTKT（智能知识转移）提供解决软件维护成本和程序理解挑战的搜索框架，将程序理解的过程转化为一个类似于谷歌搜索的问题。
- ACL多源语义图基础的多模态讽刺解释生成
该研究提出了一种名为 TEAM 的新的、基于多源语义图的多模态讽刺解释方案，从输入图像中提取对象级语义元数据，使用 ConceptNet 获取外部相关知识概念，并引入多源语义图来全面描述多源语义关系，以促进讽刺推理。
- G2T：基于预训练语言模型和社区检测的主题建模简单通用框架
本文提出了一种名为图向话题（G2T）的框架，该框架能够使用预训练语言模型获取文档表示，并通过语义图和社区检测等方法进行主题建模。自动评估结果表明，G2T 在英文和中文文档上均取得了最优表现，并且比基线模型产生了更好的可解释性和覆盖范围。
- 严格的广度优先 AMR 解析
本文提出了一种基于广度优先策略的 AMR 语义图自动解析的新架构，通过引入一个聚焦父节点顶点来引导解析，并在句子和图形编码器方面进行了一些改进，从而在 AMR 1.0 和 2.0 数据集上获得了更好的性能。
- EMNLPEventGraph：事件提取作为语义图解析
本文介绍了 EventGraph，一种将事件编码为图形的联合框架，通过将触发事件和参数表示为语义图形中的节点，以此来解决事件提取的问题，并表明该模型在 ACE2005 上达到了和最先进的系统一样的结果，并且在参数提取方面有了显著的改善。
- ACL通过文档语义图增强基于信息场景的对话知识选择
本研究提出了一种将对话模型中的背景知识文档自动转换为文档语义图以对其进行知识选择，并联合应用多任务学习来改善句级和概念级知识选择的方法，并通过实验证明其在诸如 HollE 和 WoW 等领域的知识选择任务和端对端响应生成任务上均优于基于句子 - IJCAI基于课程学习的隐式事件论元抽取中的提示调整
本篇论文通过在语义图中定义阶段和适应学习进展的提示模板，提出了一种基于课程学习的提示微调方法，结合预先训练的语言模型，解决了跨文本范围内的隐性事件参数提取问题，并在两个基准测试数据集中都表现优异。
- ACLBASS: 统一语义图增强抽象摘要
本文提出了基于语义图的 BASS 框架，它聚合了分布在长时间范围内的共指短语，并传达了短语之间的丰富关系，从而提高了文档表示和摘要生成过程，为长文档和多文档摘要任务带来了显著的改进。
- ACL用于可解释性多跳科学问题回答的动态语义图构建和推理
提出一种基于抽象意义表示（AMR）的语义图构建方法及推理模型，能够有效地检索更多有效的知识事实以填补知识空白，并在多次推理过程中提高推理透明度。该模型在两个科学多次问答数据集中得到了最新成果，包括那些使用附加知识图谱的方法，在保持 Open - 基于语义图的三维点云地点识别
本文提出了一种基于语义图的三维点云场景识别方法，该方法具有鲁棒性，能够应对遮挡和视角变化等环境变化，评估结果表明该方法优于现有技术。
- CVPR野外环境下的图结构指称表达推理
本研究提出了基于场景图的模块化网络 (SGMN) 来解决指代表达式的 grounding 问题，并且设计出了一个大规模实验数据集 Ref-Reasoning，证明了该方法在这个数据集上的优越性。
- CVPR分层图推理的细粒度视频文本检索
提出一种基于 Hierarchical Graph Reasoning (HGR) 的模型，将 video-text matching 分解成全局到局部的语义层次；通过基于注意力的图推理生成层次化的文本嵌入，进而引导学习多样化和分层的视频表 - MM上下文依赖扩散网络用于视觉关系检测
本文提出了一种基于语义图和视觉场景图构建的上下文相关扩散网络 (CDDN) 框架，用于解决对象之间的关系识别问题。对两个广泛使用的数据集进行的实验表明，所提出的方法更有效，达到了最先进的性能。
- 基于深度学习的室内自主导航行为方法
本文提出了一种适用于室内机器人导航的语义图形表示方法，该表示方法以语义位置和导航行为为节点和边，利用深度学习架构直接从视觉输入生成导航行为，无需计算机器人精确位置和环境几何关系，实现以更高的语义抽象水平导航的目的。