- EMNLP非自回归句子排序
提出了一种新颖的非自回归排序网络,探索了句子之间的双边依赖并并行预测每个位置的句子,实验证明该模型在句子排序任务中优于自回归方法并具有竞争性的性能。
- 裁剪图神经网络用于短篇小说排序
该论文提出了一种基于图神经网络的新方法,通过构建短篇小说的句子 - 实体图并利用 BERT 模型来学习句子的语义表征,减少图中的噪声,结合多种现有方法进行聚合以提高句子排序的性能,效果显著,使完美匹配率和 Kendall's Tau 指标分 - EMNLP使用迭代预测的成对排序改进基于图的句子排序
本文提出了一种新颖的句子排序框架,它引入了两个分类器来更好地利用基于图的句子排序的成对排序,该模型在五个常用数据集上进行了实验,并证明了其有效性和普遍性。
- EMNLP一切都有序吗?一个简单的排序句子的方法
该研究提出了一种基于 Transformer 模型的 Reorder-BART 方法,旨在将文本中的乱序句子整合为有条理的文本,并在 7 个数据集上取得了较优的结果。其在零样本情况下也表现出良好的泛化能力。
- AAAI基于约束图的神经句子排序
通过使用多粒度顺序、约束图和图神经网络,我们设计了一种新的排序方法,取得了新的最优表现,结果表明了使用多种排序信息和图神经网络整合句子内容和顺序信息的优势。
- ACL句子排序的拓扑排序
本文介绍了把文章句子排序问题转化为约束求解问题,提出了一种新技术,并提出了人类评估方法,结果表明该新技术在捕捉文档连贯性方面更好。
- AAAI基于注意力机制的深度排序网络用于句子排序学习
本论文提出了一个基于注意力机制的排序框架,旨在训练模型进行句子排序和辨别任务。该框架采用双向句子编码器和自注意力变换网络以获取与输入顺序无关的段落表示。同时,它能够使用各种基于排序的损失函数进行无缝训练,并在两个任务中应用。实验结果表明,该 - IJCAI基于图的神经句子排序
本文提出了一种基于图神经网络的句子排序模型,通过共享实体来建立更具表达力、噪音更小的图表示,可以更准确地学习语义表示,实验结果表明,我们提出的模型准确性高于现有的最先进系统,并对实体如何帮助性能进行了深入分析。
- 使用指针网络实现端到端的神经句子排序
本文提出一种端到端的神经方法来解决句子排序问题,该方法利用指针网络(Ptr-Net)以减轻错误传播问题,并利用整体上下文信息。实验结果表明了所提出模型的有效性。
- 神经句子排序
本文提出了一种数据驱动的方法,学习句子的逐对排序,以改进自然语言生成应用程序中句子排序的性能。该方法在大规模学术文本语料库上进行验证通过,并公开源代码和数据集。