- 通过基于实景的学习掌握语言结构
本文提出了基于语言结构的机器学习任务，并通过三种方案展示了其潜力和可行性，包括通过视觉基现学习语法结构，通过执行感知方法映射句子到语义结构，并通过跨语言词对齐和子结构投影方法改进零样本跨语言依赖分析的性能。
- 意境与意义的形式结构
这项研究探讨主观赋予的意义构成了意识经验的现象内容的假设。同时，论文提出了主观意义与 Frege 的 “意义” 和 Peirce 的 “解释者” 密切相关的概念，并论述了意义在现象经验中的作用以及其在心智与物质关系的上下文中的形式化过程。最 - EMNLP利用结构化信息进行可解释的多跳问题回答和推理
构建和利用语义结构的多跳问题回答框架，通过神经模型和连续思维机制提高推理能力，并结合信息抽取和提取的语义结构实现更准确和可解释的问题回答。
- AMR4NLI：来自语义图的可解释且健壮的 NLI 度量
本研究通过比较语义结构来表示前提和假设之间的语义关系，使用可解释的度量标准计算假设是否是前提的语义子结构，并在三个英文基准测试中评估了使用语境化嵌入和语义图表达的价值，并发现它们提供了互补的信号，并可以在混合模型中一起利用。
- SAMScore：一种用于图像翻译评估的语义结构相似度度量方法
SAMScore 是基于高性能的 Segment Anything 模型（SAM）设计的一种通用的语义结构相似度指标，可用于评估图像翻译模型的可靠性，并应用于 19 项图像翻译任务中，发现其能够胜过所有竞争指标，是一种有价值的工具，有助于 - 在喀斯特学领域中，通过词嵌入实现专业形容词的双语翻译
本文介绍一种使用词嵌入提取具有特定语义关系的形容词的实验，并对其进行了详细分析和分类。作者利用 TermFrame 项目中开发的数据集和方法，在岩溶学领域中使用英语和克罗地亚语进行了实验和分析。本文的两个主要原创贡献是：首先，提出了一种新的 - ICLR重新审视分层方法，用于持久长期视频预测
本文重新审视了视频预测中的分层模型，通过先估计语义结构序列，再通过视频到视频的转换将结构转化为像素，我们展示了用随机循环估算器模拟离散语义结构空间中的结构及其动态来进行成功的长期预测，通过在汽车驾驶和人类舞蹈等三个数据集上的评估，证明了我们 - CVPR跨领域自监督原型学习用于少样本无监督领域适应
本文提出了一种端到端的 Prototypical Cross-domain Self-Supervised Learning (PCS) 框架，通过在共享嵌入空间中编码和对齐语义结构，不仅执行跨域低级特征对齐，而且捕捉数据的类别间语义结构。 - ACL通过字典学习实现 Transformer 可视化：上下文嵌入作为 Transformer 因子的线性叠加
本文提出使用字典学习作为线性叠加的 Transformer 成分的可视化工具，以展示 Transformer 成分所捕捉到的分层语义结构，包括词级歧义消歧，句级模式形成和远距依赖。这些模式中有些证实了常规的语言学知识，而有些则相对出乎意料， - AAAI生成 CCG 类别
通过生成类别而不是分类类别，我们提出了一种新的 CCG supertagger 方法，将每个类别分解为一系列更小的标记，以此更好地处理类别间的关系并增强与句子上下文的交互。该方法能够在标准 CCGBank 上实现最先进的标识 (95.5% - EMNLP带有语法和语义结构的图形变换网络用于事件参数提取
本文提出了一种基于图变换网络（GTNs）利用句子的句法和语义结构来学习更有效的句子结构的新模型，并引入了基于信息瓶颈的新归纳偏差来提高 EAE 模型的泛化性能，实验结果表明该模型在标准数据集上具有最先进的 EAE 性能。
- 无监督表示的原型对比学习
该论文介绍了原型对比学习（PCL）这一无监督表示学习方法，PCL 不仅学习用于实例区分的低级特征，更重要的是它隐含地将数据的语义结构编码到了学习的嵌入空间中，该方法通过增加原型作为潜在变量来寻找最大似然估计，提出了一种基于对比学习的通用损失 - EMNLP稀疏图学习与知识迁移推理视觉对话
本论文研究了视觉对话中的两个核心难题：对话历史下的语义结构推理和给定问题的多个合适答案的识别。为解决这些挑战，我们提出了 Sparse Graph Learning (SGL) 和 Knowledge Transfer (KT) 方法，使用 - ETNet：适用于任意风格转移的误差转移网络
本研究提出一种自我修正的样式转换模型，通过迭代学习，将错误特征转移并细化，实现对语义结构和样式纹理的更好控制，实验结果证明本方法在样式转换中具有更好的效果。
- 高阶贝叶斯推断的指称验证
我们提出一个模块化的语义计算方法，用于概率编程语言中的贝叶斯推断算法，并使用高阶函数和归纳类型等方式操纵概率程序的中间表示，定义了语义结构类及其转换的词义准则，并使用 Kock's 综合测度理论证明了一个准 Borel 同源定理。
- 控制生成文本的发展
本文旨在通过学习简化的语义分离潜在表示来生成和控制自然语言句子，同时通过变分自编码器和全局属性判别器的组合来建立新的神经生成模型。该模型具有可解释性和高效性，可以生成符合要求的具有各种属性的句子。量化评估验证了该模型的生成准确性。