关键词sequence-to-sequence framework
搜索结果 - 9
- 从客户评论生成具有吸引力和真实性的文案
基于客户评论的产品文案生成方法，使用增强学习来生成吸引人、真实且信息丰富的文案，优于现有基线模型和零样本大型语言模型。
- 利用释义语料库进行句子简化初始化
本文提出了两种使用释义语料库来初始化神经简句化模型的策略，通过参考释义语料库中复杂度较高的句子对可以构造大规模虚拟平行简句化数据，并将该方法用于训练三种不同的神经简句化模型，在 WikiLarge 数据集中相对于未初始化情况下获得了显著的提 - CVPRPolyFormer: 将图像分割视为序列多边形生成
该论文提出一种基于序列多边形生成框架 Polygon Transformer (PolyFormer) 的图像分割方法，通过生成多边形顶点序列实现对图像分割的参照。该方法在 RefCOCO+ 等实际数据集上表现优异，性能提升明显。
- EMNLP生成式知识图谱构建：一份综述
本研究总结了生成式知识图谱构建的最新进展，包括方法的优势和弱点，并提出未来的研究方向。研究的贡献包括提出了详细的方法分类，以及理论和实证分析，同时提出了未来的研究方向。
- 基于 BART 的模板化命名实体识别
该论文提出了一种基于模板的方法，将 NER 视为一种序列到序列的语言模型排序问题，在推理过程中，模型需要根据相应的模板分数对每个候选实体进行分类，实验结果表明，该方法在 CoNLL03 数据集上取得了 92.55% 的 F1 得分，在 MI - ACL语法错误纠正的语料生成
本研究使用了序列到序列的框架对语法纠错进行建模。通过两种方法生成了大量的 Wikipedia 平行数据集，并使用迭代解码策略训练了神经语法纠错模型，最终在 CoNLL-2014 基准和 JFLEG 任务中实现了领先于现有技术的表现。
- 基于词典引导的编辑网络的释义生成
本文提出了利用字典引导的编辑网络模型来生成同义句的方法，并在两个基准数据集上进行了实验，证明其比基线方法表现更好。
- ACL多说话人语音识别的纯端到端系统
本文提出了一种新的序列到序列的框架，即多说话者语音识别，通过端到端的方式将源分离和语音识别功能统一处理，同时提出了一种新的目标函数来提高隐藏向量间的对比度，实验结果显示该模型能够直接学习从语音混合到多个标签序列的映射，与之前的显式分离和识别 - 问答和问题生成的联合模型
本文提出一种生成式机器理解模型，用于同时学习根据文档提问和回答问题，采用序列到序列框架编码文档并生成问题，模型在 SQuAD 语料库上获得显著性能提升，实验证明，模型在同时学习两个任务方面受益。我们认为这种联合模型的新颖性提供了一个超越架构