- SLFNet: 从自然语言生成语义逻辑形式的语义概率图
使用 SLFNet 提出一种新型神经网络,将语义解析任务中的依赖句法信息作为先验知识加入模型中,捕捉上下文信息和单词之间的长程交互,并构建语义概率图以获取预测变量之间的局部依赖关系,从而通过多头 SLF Attention 机制从自然语言指 - EMNLP基于执行的伪程序过滤的弱监督语义解析
通过基于程序执行结果的领域无关过滤机制,我们的研究提出在弱监督语义分析框架中应用该方法可以显著提高性能。
- ICCV通用的视听情景感知音频分离中的隐形声音分离
该论文介绍了一种名为 “音频 - 视觉场景感知分离”(AVSA-Sep)的新框架,通过语义解析器和基于场景的分离器,成功分离了可见和不可见声音,并通过联合训练和跨模态对齐提高了效果。
- ACL将大型语言模型与逻辑编程相结合,从文本中进行稳健和通用的推理
本研究探讨大型语言模型在自然语言推理任务上的表现。通过使用少量样本指导大型语言模型进行任务适应,以及可应用于多个任务的可重用的知识模块,结合逻辑形式输入的答案程序,实现了在多项 NLP 基准测试上的最新性能,包括 bAbI,StepGame - 将 GPT-3 与 Few-Shot Sequence-to-Sequence 语义解析结合应用于 Wikidata
本文介绍了基于 Wikidata 的高质量知识库问答基准测试 ——WikiWebQuestions,并使用 SPARQL 注释的真实人类数据建立基准,探讨了基于 Seq2Seq 语义解析器的有效训练数据合成方法以及大型噪声知识图谱的处理方法 - 利用自我对弈增强多轮文本转 SQL 数据集
本文提出了一种通过自身游戏来增强训练集,再利用经过采样的目标查询生成新的交互来适应新的数据库的上下文依赖文本转 SQL 任务方法,并利用所得到的增强数据重新训练模型,实验表明,该方法在 SParC 和 CoSQL 两个广泛使用的跨领域文本转 - 基于图数据的抗议事件抽取:CASE2021 任务 1 的 EventGraph 方法
本文介绍了我们参与 CASE 2021 任务 1 子任务 4 的提交。EventGraph 系统使用端到端的基于图形的语义分析器来适应抗议事件提取,并专门针对子任务 4 的事件触发和参数提取。我们尝试使用各种图形将事件编码为 “标记边缘” - ACL元学习跨语言语义解析流形
通过元学习算法,利用高语种数据进行训练,在少量带注释的新语言数据上,我们的跨语言语义分析器可以达到较高的准确性和极少的数据采样。
- 带自然语言先验的主动示范编程
APEL 是一种基于自然语言表述的新型框架,用于间接注释可执行的含义表达式,如 SQL 程序,其中包含由群众智慧注释产生的程序候选列表和输入数据库合成方法。
- 海事问答系统的释义技术
本文研究通过开发将人类自然语言自动翻译为机器可理解语言的能力,从而增强人机交流效率,重点是如何利用传统方法训练有限的数据集训练语义解析器,在海事领域的实验结果表明被翻译成 SQL 格式的语句和逻辑方面的形式是一种有用的训练数据集。
- UniSAr: 用于文本到 SQL 的统一结构感知自回归语言模型
论文提供了基于 UniSAr(Unified Structure-Aware Autoregressive Language Model)的文本到 SQL 语义解析方法,该方法采用自回归语言模型结构,能够在多领域、多表和多轮等不同设置下实现 - 组合推理需要组合分析器
该研究系统比较了序列到序列模型和基于组合原则的模型在 COGS 语料库上处理组合泛化能力的能力,在结构泛化任务中,基于序列的模型表现接近零,而组成模型在结构泛化任务中表现接近完美,这表明结构泛化是组成泛化的关键度量,需要能够处理复杂结构的模 - EMNLP基于表格的事实验证探索分解
本文提出了一种分解复杂语句为简单子问题,并以程序为指导构建伪数据集进行分解模型训练的方法,从而增强事实验证模型的中间证据,通过实验证明,在 TabFact 基准测试中取得了 82.7%的最新最佳性能。
- ICLR通过动态视觉推理理解对象和事件的物理概念
本文提出了一种统一框架 - 动态概念学习者(DCL)用于从视频及自然语言文本中,对物理对象和事件进行建模,其中 DCL 采用轨迹提取器来追踪每个物体随时间的变化并将其表示为一种潜在目标中心的特征向量,并进一步将物体集成到图形网络中学习物体之 - ACL一种 Few-Shot 语义解析器,用于具有精确 ThingTalk 表示的 Wizard-of-Oz 对话
本文提出了一种新的对话表示和高效的方法,可以在 Wizard-of-Oz (WOZ) 对话中预测精确的对话状态,使用 ThingTalk 表示法表示了所有代理需要回应的信息,并在 MultiWOZ 3.0 上验证了该方法,获得了 79% 的 - AAAI融合弱监督和主动监督用于语义解析
该研究论文针对通过自然语言指令进行解析的语义解析器,在利用弱监督学习时引入主动学习以提高模型性能的问题进行了研究,并在两个数据集上进行了实验。
- 一个用于物理块空间问答的口语对话系统
本研究的目标是针对空间问题回答,在一个多模态人机交互的流程中,使用视觉系统、语音输入输出系统、基于图像解释的对话管理器和 3D 空间建模,进而实现语义解释、约束求解和视觉解析等组件的整合。该系统能够将空间问题映射为逻辑问题,使用图式表示方法 - EMNLP查找并调整:一种一次性的语义解析器
本文提出了一种语义解析器,通过适应已见过的语句的逻辑形式而不是从头开始生成逻辑形式来学习解析未知语句的一般策略,同时提出了一种数据生成策略来构建不同领域的语句 - 逻辑形式对,结果显示相较于基准测试,单次解析的改善高达 68.8%。
- EMNLP针对文本到 SQL 解析的数据库结构全局推理
本研究针对语义解析器在零样本学习中难以正确选择新数据库常数集的问题,提出一种全局推理数据库常数集的解析器,采用图神经网络的消息传递机制,考虑问题的情境信息,软选择一部分数据库常数集,并通过训练模型根据数据库常数与问题单词的全局匹配度对解析结 - 一种基于生成验证的回答定性关系问答方法
本文通过使用 generate-validate 框架,即生成逻辑形式的自然语言描述,并验证该自然语言描述是否符合输入文本,展示了更好的迁移学习范围,相较于现有基于语义分析器的方法,本方法取得了 7.93% 的更高性能。