- 联合语义角色和原型角色标注的多任务学习
本文提出一种端到端的多步骤机器学习模型，可以联合标记语义角色和 Dowty（1991）的原型角色，其最佳架构首先学习参数跨度，然后学习参数的句法头，从而预测语义角色和原型角色，通过在训练期间预测所有这些，使用静态或上下文嵌入和监督完成所有任 - CVPR利用语义角色上下文化视频特徵进行多示例文本 - 视频检索 —— EPIC-KITCHENS-100 针对多示例检索挑战赛 2022 年的应用
本研究介绍了我们在 2022 年 EPIC-KITCHENS-100 多实例检索挑战中的方法，首先将句子解析为动词和名词对应的语义角色，然后通过自注意力在多个嵌入空间内的三元损失函数利用语义角色语境化视频特征和文本特征，优于强基线方法的标准 - x-enVENT: 具有特定体验者情感和评价注释的事件描述语料库
本文借鉴心理学的评估理论，以英语事件描述文本资源为基础，采用整合性分类方法，对参与情感事件中的不同语义角色进行情感分析，并丰富地注释了事件属性，提供了可供研究不同角色情感和事件评估的有用数据，并能够开发特定于经验者的情感和评估分类系统。
- COLING语义角色标注的 MRC 框架
本篇论文提出了一种利用机器阅读理解框架来解决语义角色标注中谓词消除和论元标注之间语义联系不足问题的方法，将谓词消歧形式化为多项选择机器阅读理解的形式，然后利用所选谓词的语义角色构造查询从而解决论元标注。实验证明该方法优于先前的工作。
- EMNLP问之所问：为任意语义角色生成情境化问题
本文针对语境理解提出了角色提问生成任务，使用两阶段模型生成语境无关问题原型并通过修改使其符合语境。该方法不需要使用文本中的现有答案作为先决条件，而是基于所需询问的信息类型进行条件训练。评估结果表明，我们能够针对广泛覆盖的谓词和角色生成多样化 - ACL介词项目
该研究旨在利用 FrameNet 语料库来消歧及解释介词的意义，进而基于介词的行为（语义角色识别、语法和语义属性）构建完整的数据库，为自然语言处理应用提供更全面、细致的分析。
- ACL通过语义角色的短语实现视频问答
本研究提出使用视频描述中的语义角色来在模型评估中引入填充短语任务，以改进现有的 VidQA 模型评估方式，并构建了 ActivityNet-SRL-QA 和 Charades-SRL-QA 数据集，通过扩展三种视觉语言模型进行了基准测试，并 - AAAI使用统计词义消歧辅助语义解析
本篇论文提出了一种优化方法，通过从统计 WSD 系统中获取的提示来引导逻辑语义解析器生成更好的语义类型赋值，提高了 F 值约 10.5％，但会付出解析结构完整性的代价。
- ACL通过子部分对齐实现鲁棒的问答
提出一种将问题回答建模为一种对齐问题的结构支持向量机方法，通过将问题和上下文分解成基于语义角色的单元，并将问题与上下文的子图进行对齐以找到答案，该模型可用于跨领域问题回答，且通过对齐得分派生出的限制使模型更加鲁棒。
- EMNLP不先告知就提问：探究语境表示中的潜在本体论
本研究介绍了一种名为潜在子类学习的方法，通过这种方法可以从输入表示中提取出诸如人的概念等熟悉的类别，以及对于核心参数的细粒度语义角色的首选，这些结果为预训练编码器中的新兴结构提供了独特的新证据。
- ACLBERT 重新探索经典的自然语言处理流程
本研究主要针对 BERT 模型进行分析，发现模型能够直观地表现出自然语言处理的步骤，并且通过语义角色的方式捕获文本中的语言信息。
- ICCV利用图神经网络进行情境识别
通过基于图神经网络的模型，我们能够有效捕捉语义角色之间的联合依赖关系，从而在预测图像中最显著的动词和填充其语义角色时取得显著提升，实验证明我们的方法在情境识别中表现优异。
- ICCV用于情境识别的循环模型
本文提出使用递归神经网络模型来预测结构化的 “图像情境”，进一步研究了行为和名词实体在动作相关的语义角色中的作用，并且创新性地使用了专门的动作预测网络，以及一个 RNN 来进行名词预测。相比于之前使用条件随机场的工作，我们的系统在最近的 i - 从源代码中挖掘成语
本文介绍了 HAGGIS 系统，作为第一个用于从软件项目语料库中自动挖掘代码习惯用法的方法，可利用最新的自然语言处理技术非参数贝叶斯概率树替换语法，该系统可发现描述重要程序概念的代码习惯用法。