- LLM 对于捕捉结构化语义的潜力与限制：以 SRL 为例的案例研究
利用语义角色标注 (SRL) 作为基本任务评估了大型语言模型 (LLM) 理解和提取结构化语义的能力。我们提出了 PromptSRL，这是一个少样本 SRL 解析器，可以让 LLM 将自然语言映射到显式的语义结构，从而揭示 LLM 的属性。 - 从比较产品评论中提取感兴趣的实体
这篇论文提出了一种基于深度学习的方法，从各种电子商务网站的用户评论中提取产品比较信息。通过使用 LSTMs 能够很好地捕捉它们之间的相互依赖关系，该系统在现有的手动标记数据集上表现出较强的性能，超越了现有的语义角色标注（SRL）框架。
- 在德国议会辩论中使用 QLoRA 适应的大型语言模型进行发言者归属
我们研究了利用大型语言模型家族 Llama 2 自动化德国 2017-2021 年议会辩论的发言人归属，并使用 QLoRA 进行 fine-tune 得到了具有竞争性表现的结果，揭示了大型语言模型在自动化发言人归属方面的能力，为政治话语的计 - 学习者汉语的论证结构是否可理解：基于语料库的分析
通过语料库分析外语学习者汉语中的论证结构错误，结合语义角色标注与中国语 PropBank 的使用，发现学习者文本对于母语者是可理解的，提出了初步分析关于论证结构的能力错误，特别是与词序、词选择、缺乏命题以及论证和附加性困扰相关的口语错误。
- 通过端到端语义角色标注模型改进基于方面的情感分析
本文提出了一系列方法，旨在通过利用语义角色标记（SRL）模型中提取的语义信息，提高基于方面的情感分析（ABSA）的性能。我们提出了一种新颖的端到端语义角色标记模型，有效地捕捉了 Transformer 隐藏状态中的大部分结构化语义信息。我们 - ACL探索语义角色标注中的非语言谓词：挑战与机遇
本篇文献阐述了语义角色标注中普遍使用动词作为谓语的局限性，并提出了一个新的 PropBank 数据集来克服这个局限。作者指出现有的 SRL 系统在不同谓词类型之间缺乏知识转移的能力，因此提供了一个手动注释的挑战集来开展这方面的研究。作者同时 - 领域和通用文件中的信息提取：启发式和数据驱动方法的研究结果
本项研究探讨了信息抽取中文档体类别和长度对常用方法的影响，特别是对具有文本挖掘任务价值的命名实体识别和语义角色标注有着重要的启示。
- 使用迁移学习和基于 BERT 模型的方法对波斯语语义角色进行标注
本研究提出了一种端到端的 SRL 方法，它不仅消除了特征提取的需要，而且在实际情况下面对新样本的时候也表现出优于现有方法 16% (83.16) 的准确性改进。
- 基于语义角色标注的脱离分布检测
本文提出了一种基于语义角色标注（SRL）的全局 - 局部特征学习方法 SRLOOD，运用边缘对比损失，将不同参数最细的局部特征和全句的全局特征分离、提取和学习，同时引入自监督学习，该方法在四个 OOD 基准测试中取得了 SOTA 效果。
- 从兼容标签序列学习语义角色标注
通过将句子中两个角色序列共同处理，并在解码过程中强制执行 SEMLINK 约束条件，提高了语义角色标注任务的性能，并在 CoNLL05 数据集上取得了最先进的 F1 分数。
- ACL文本摘要中可解释的自动细粒度不一致性检测
研究提出了 fine-grained inconsistency detection 任务，用于检测文本摘要中的细粒度事实错误类型。通过提出的 FineGrainFact 方法，结合语义帧和语义角色标记来实现明确的事实表示、错误预测和总结改 - 面向事件级别视频问答的语义感知动态回顾 - 预测推理
本文提出了一种语义感知的动态回顾 - 前瞻推理方法，用于视频问答，通过使用问题的语义角色标注（SRL）结构，实现了基于语义连接的复杂推理，在 TrafficQA 数据集上实验结果显示，相较于之前的最先进模型，该方法实现了卓越的性能提升。
- ACL有害模因中的实体特征：谁是英雄、反派和受害者？
本研究设计了多模态框架 VECTOR，结合 HVVMemes 数据集，通过实验比较分析，其在识别恶意迷因中实体角色的表现优于其他模型，突显了语义角色标注具有的挑战性。
- 语义角色标注遇上定义建模：利用自然语言描述谓词 - 论元结构
本文提出了一种新的方法，利用定义建模来介绍一种广义的 SRL 形式，即使用自然语言定义而非离散标签来描述谓词论元结构。经过实验证明， 这种灵活的模型不会牺牲性能。
- PriMeSRL-Eval：语义角色标注系统评估的实用质量度量
本文提出了一种更严格的 SRL 评估指标 PriMeSRL，用于解决传统评估指标对谓词感知的忽略问题，实验结果表明使用该指标对现有 SOTA SRL 模型进行评估后，其质量下降并且排名发生改变，同时能够有效惩罚现有模型中的错误。
- Astock：一种基于股票特定新闻分析模型的新数据集和自动股票交易系统
本研究利用自然语言处理（NLP）技术分析社交媒体和新闻发布的文本，建立一个支持金融决策的股票自动交易算法平台。借助语义角色标注池化方法（SRLP）和自监督学习，我们在更逼真的环境中开发和评估了该系统，并展示了该方法在实际交易中超越了所有基准 - 基于指针网络的转移句法语义角色标注
该研究提出了一种基于 Pointer Networks 的过渡型语义角色标注方法，该方法可以在不需要额外模块或语法信息的情况下，在单次从左到右经过中完整处理语句，其时间复杂度是 $O (n^2)$，并且在大多数 CoNLL-2009 共享任 - ACLMuCPAD：一个多域中文谓词论元数据集
该研究介绍了一个多领域中文谓词 - 论元数据集 MuCPAD，提出了帧无关注释方法，明确注释省略的核心论元并采用双注释来提高数据质量，最终给出了基于 MuCPAD 的跨领域语义角色标注的基准结果。
- ACL结构化跨度选择器
本研究提出了一种基于语法的结构化跨度选择模型，旨在改进自然语言处理中的跨度选择问题，经测试该模型在两种跨度预测任务中均有显著提升。
- ACLATP: AMR 化，再解析！利用伪 AMR 增强 AMR 解析
通过引入更好的语义或形式相关的辅助任务，我们可以更好地提升抽象意义表示（AMR）解析，包括语义角色标注（SRL）和依存解析（DP）。同时，中间任务学习是一种比多任务学习更好的方式，可以更好地提高 AMR 解析的性能。我们的实验结果显示，我们