关键词sentence representations
搜索结果 - 30
- EMNLP使用文本事实结构进行神经网络深度伪造检测
通过基于图的模型,利用文本实体图对文档的事实结构进行表示,进而使用图神经网络学习句子表示并将其组合成文档表示,以便识别机器生成文本和人工撰写文本之间的差异。实验结果表明,该方法显著提高了基于 RoBERTa 构建的强基线模型的性能,并可以在 - DiscSense: 议态词自动语义分析
使用训练预测语篇标记的模型预测已知语义关系的句子对之间可信的标记,从而在现有分类数据集上提供语篇标记与语义关系之间的自动化底层特征化。
- 多语言 BERT 有多少语言中性?
本文讨论了 Multilingual BERT (mBERT) 的语义属性,表明 mBERT 表征可以分为特定语言和语言中立两个部分,语言中立部分可以高准确度地对齐单词和检索句子,但尚不足以评估机器翻译质量。该研究揭示了构建更好的语言中立表 - ACL深度神经网络和大脑中简单句子表示的相关性
通过研究使用简单句法和语义的句子,探讨深度循环模型和大脑编码的联系及其应用,发现 BERT 的激活与 MEG 脑数据的相关性最好,同时深度神经网络表征可以用于生成新句子的脑数据以增强现有脑数据,并对使用深度神经网络表示生成合成脑数据进行了首 - ACL深度学习摘要模型中的内容选择
在新闻、个人故事、会议和医学文章等领域,我们使用深度学习模型进行摘要实验,以了解如何进行内容选择。我们发现,许多最先进的抽取式摘要生成器的先进功能并不能提高性能。这些结果表明,为新领域创建摘要生成器比先前的工作所建议的要容易,并质疑深度学习 - 无需参数的正交基句子嵌入
提出一种基于 Gram-Schmidt Process 的正交基的 non-parameterized 方法,用于将预训练的 word embeddings 组合成句子表示,此方法在 11 个下游 NLP 任务中表现优越。
- ACL基于通用句子表示的自动机器翻译评估度量
通过利用大规模数据训练句子表示方法,该论文研究了通用句子表示方法在机器翻译质量评估中的应用,并实现了仅基于句子表示特征的 WMT-2016 数据集的最先进性能。
- ACL神经机器翻译中语义现象的自然语言推理评估
本文提出一个过程,用于研究神经机器翻译 (NMT) 系统生成的句子表示如何编码不同的语义现象,最终发现编码器最适合在语法 - 语义界面上支持推理,而不是需要世界知识的指代消解。
- IJCAI人类关注下的句子表示学习
研究发现,将不同权重分配给句子中的单词能够有效提高句子的表达能力,该论文提出了两种基于 Surprisal、POS tags 和 CCG supertags 的注意力机制模型用于改进句子表示,实验证明这种方法显著优于现有模型。
- 从未标注的数据中学习句子的分布式表示
本文系统地比较了学习分布式短语或句子表示方法的模型,并发现最佳方法取决于预期应用程序,对于 supervised 系统,更深层次、更复杂的模型更具优势,但建立可通过简单空间距离指标解码的表示空间最好采用浅的 log-linear 模型。我们