- 论大型语言模型在词汇蕴涵识别中的局限性
通过使用不同的提示策略和零 / 少次调优设置,我们研究了八个大型语言模型在识别动词之间的词汇蕴涵关系方面的能力,结果揭示了这些模型在适度表现上可以处理词汇蕴涵识别任务,虽然在不同条件下的效果有所不同,同时,利用少次调优可以提高模型的性能,然 - 奥地利手语动作捕捉中的动词和形容词类型分析
使用运动捕捉数据对奥地利手语(OGS)的动词和形容词产生的运动参数进行了定量表征,结果发现动词的种类(有终点和无终点)通过峰值速度和持续时间的差异来区分,而在形容词中的强调程度则通过持续时间的长短来表达。
- ACL用反常识情境评估物理推理能力
通过创建 CConS 数据集,我们研究物理常识如何影响语境化尺寸比较任务,并测试多个遮蔽语言模型和生成模型的能力,结果表明大型语言模型可以使用前置词推断大小关系,但他们因其固有的物理常识而无法使用动词,从而做出错误的判断
- ACL优化语言模型的目标语法评估
通过手工创建的最小句对,Targeted syntactic evaluation of subject-verb number agreement in English (TSE) 评估语言模型的句法知识,方法可以评估语言模型是否将每个语 - ACL无生命名词的语法性别与其相应形容词和动词的关系
本文研究了六种不同性别的语言中,无生命名词的语法性别和形容词、动词的关系,并发现这些关系在所有语言中都具有统计学显著性。
- EMNLP深度学习问答系统中动词的重要性探究
通过研究深度学习 QA 系统在 SQuAD 数据集上的表现,我们发现问题中的主要动词对系统的决策影响较小,在超过 90%的案例中,将动词替换为其反义词不会改变系统的决策。通过分析自我注意机制和 RNN 的隐藏层中包含的值,我们找到了这种现象 - 语言处理的多模态基础
本文讨论多模态处理的最新进展,探讨了多模态信息流和不同的多模态表示方法,讨论了多模态基础对于语言处理任务的益处和挑战。特别着重研究动词的多模态基础,对语言的组成能力起着重要作用。
- AAAI将动词表示为论元概念
本文研究了动词在自然语言文本理解中的重要作用,并提出了一个新颖的框架来自动推断具有高准确性的可读性和可计算性的动作概念集,该集合的大小是可以参数化的,并表示动词的细粒度语义。
- AAAI动词模式:一个关于动词的概率语义表示
本文讨论了动词在自然语言中的重要性,介绍了动词模式来表示动词的语义,提出了基于描述长度的非参数模型,并将其应用到上下文感知概念化中,证明了动词模式在语义相关任务中的高效性。
- EMNLPSimVerb-3500:一个大规模的动词相似度评估集
SimVerb-3500 是一个用于评估 3,500 个动词对相似度的资源,为研究者提供了更多关于动词语义多样性和复杂性的理解,以及更好的方法来评估表示学习结构,促进方法的发展。
- 动词语义学与词汇选择
本文关注计算机系统中动词的语义表示及其对机器翻译中词汇选择问题的影响,提出了一种新的表示模式,与基于知识的机器翻译方法(KBMT)密切相关,并可作为现有系统的一个独立组件。此方案表现出能够对不精确匹配的情况正确地进行词汇选择。