- FASTopic：一种快速适应稳定且可迁移的主题建模范式
FASTopic 是一种快速、自适应、稳定和可传递的主题模型，采用 Dual Semantic-relation Reconstruction（DSR）方法来发现潜在主题，并通过模拟文档、主题和词嵌入之间的语义关系进行重建，以提供一个高效的 - 词梯：一款语义数据收集的移动应用程序
Word Ladders 是为收集语言数据而开发的免费移动应用程序，通过语义关系的分类包含来构建相关单词列表，同时具有 nlp 任务和认知科学开放问题的预期结果和应用。
- RelationVLM: 构建大型视觉 - 语言模型以理解视觉关系
RelationVLM 是一种大型视觉语言模型，通过多阶段关系感知训练方案和相应的数据配置策略，使其具备理解多个图像或视频内的多个层次和类型关系的能力，该工作促进了 LVLM 的发展，使其能够支持更广泛的人工通用智能应用。
- 罗马尼亚名词合成语的人工和自动解释
通过人类评估员和神经网络分类器的测试，我们针对罗马尼亚复合词提出了一组新的关系并进行了试验，结果显示网络的预测与人们的判断相吻合，即使人类的协议率很低。协议率与所选关系的频率一致，而不受结构差异的影响。然而，最常选择的关系并非十六种标注的语 - 基于语义关系引导的双视角数据超分辨率方法用于少样本图像识别
通过利用语义关系引导双视图数据幻影，为小样本图像识别提供更多样化和合理化的新数据样本，该框架能通过从基础类别中进行有效的信息传递生成新颖类别的样本。其中，实例视图数据幻影模块利用基础类别的局部语义相关注意力和全局语义特征融合生成新颖类别的每 - 基于数据驱动的癌细胞系分子分析信息提取和丰富化
本文介绍了一种新的数据提取和探索系统，可以从癌细胞系的科学文献中提取文本实体之间的深层次语义关系，为现有结构化临床数据提供丰富的语义信息，并自动链接基因组拷贝数变异图与相关实体，以及相关文献证据，从而实现更为快捷深入的文献检索。
- 多标签元加权长尾动态场景图生成
本文研究了视频场景图生成中主题和对象之间语义关系的问题，提出了一种多标签元学习框架以处理偏斜的谓词分布，改进了现有方法并在 Action Genome 和 VidOR 基准测试中表现优异。
- 利用语义关系对增材制造系统中的威胁指示进行优先排序
本文提出一种基于语义的威胁优先级系统以识别、提取和排名指标。该系统利用异构信息网络从多源威胁文本中自动提取高水平 IOCs 并识别 IOCs 之间的语义关系。通过模拟 IOCs 的不同元路径和元图来描述不同 IOCs 之间的语义关系，我们引 - 基于关系的交通场景图的运动预测
通过建立空间语义场景图和使用图神经网络来探讨 Traffic participants 之间的关系对于预测自动驾驶中的加速度和减速度等相关参数具有重要作用。这种建模方式不仅可以提高预测结果，也可以通过包含先前场景的附加信息提高预测性能。
- ACL透明度揭示语言模型学习含义的过程
通过实验发现，语言模型在处理上下文无关语言时性能良好，但对上下文相关性差的语言的语义关系解释能力较差，本文研究了自然语言中的 “指代不透明” 现象，证明了当前的语言模型不能很好地表示自然语言的语义。
- TERMinator：科学文本处理系统
本文介绍了一个包括两种任务的数据集，以及一个名为 TERMinator 的工具，用于从科技文本中提取实体和它们之间的语义关系，并研究语言模型对术语识别的影响和不同方法之间的比较。实验证明，预先训练在目标语言上的语言模型并不总是表现最好。此外 - COLING梵文上下文敏感复合类型识别的新型多任务学习方法
本文介绍了一个基于多任务学习的新架构，该架构通过引入形态标记和依存句法分析作为两个辅助任务来整合语境信息并增强补充句法信息，从而解决了在组合词中识别语义关系的问题，并在 SaCTI 基准数据集上取得了 6.1 分（准确率）和 7.7 分（F - GSRFormer: 基于交替语义注意力精炼的基础情境识别转换器
本文提出了一种基于双向关系的新的两阶段框架，旨在利用动词和语义角色之间的双向关系，生成结构化的图像语义摘要，实现类人事件理解，实验结果表明该框架在挑战性的 SWiG 基准测试中优于其他最先进的方法。
- 始终牢记目标：研究语义并提高神经词汇替换的性能
本文比较了多种词汇替换方法，使用包括 context2vec、ELMo、BERT、RoBERTa、XLNet 等在内的多种语言模型，并证明注入目标词信息后，能够进一步显著提高现有最佳语言模型的结果。作者还分析了不同模型或注释者给出的目标词和 - QASem 解析：基于 QA 语义的文本到文本建模
该论文研究了使用问答的方式表示语义关系，并从三个任务的角度分析了如何最好地利用 seq2seq 预训练语言模型的威力。最终提出了一个综合文本信息的模型，并发布了具有实用性的 QASem 分析工具。
- ICLRRelViT: 用于视觉关系推理的概念引导视觉 Transformer
本文利用视觉转换器 (ViTs) 作为我们视觉推理的基本模型，通过优化定义为物体实体及其关系概念，推动 ViTs 的推理能力，并介绍了一种新的概念特征字典，以促进全局关系推理和促进语义对象特定一一对应关系学习的局部任务。结果显示，我们的模型 - AMR 摘要生成中文档图构建方法分析
本文提出一种新方法用于合并 Meaning Representation 图，并评估其效果，同时应用了人工注释数据集用于衡量不同 node 合并策略与内容筛选方法的性能，结果显示该新方法优于之前的工作。
- ACLBERT 对 NLP 的意义相当于 AlexNet 对 CV：预训练语言模型如何识别类比？
本文研究基于 transformer 的语言模型在识别类比方面的能力，并使用从教育环境中获取的基准数据集以及更常用的数据集进行分析。结果发现，预训练的语言模型能够在一定程度上识别出类比，但对于抽象和复杂关系的处理仍然存在挑战，且结果高度敏感 - ECCV图像到图像翻译的语义关系保持知识蒸馏
本文提出了使用知识蒸馏和语义保留矩阵以压缩学生模型大小的方法，该方法在 5 个数据集和 3 个教师 - 学生模型对的实验中，证明可以在生成对抗网络的图像到图像翻译任务中取得令人印象深刻的质量和数量上的优秀结果。
- AAAI从术语定义中挖掘常识知识
本文研究使用机器学习方法从词典术语定义中挖掘常识知识三元组，并对现有的三元组评分模型进行了比较，结果表明词项定义包含一些有效和新颖的常识知识三元组，同时也揭示了使用现有三元组评分模型面临的一些挑战。