Unsupervised Topic Modeling Approaches to Decision Summarization in Spoken Meetings
Cornell University(康奈尔大学)
我们提出了一个令牌级的决策摘要框架,利用潜在的主题结构的话语,以确定“值得总结”的话。实验结果表明,细粒度的主题模型能够更好地识别决策过程的要点,它在话语级而不是文档级发现主题。此外,我们提出的令牌级摘要方法,这是能够消除话语内的冗余,优于现有的话语排名为基础的摘要方法。最后,还调查上下文信息以向摘要添加额外的相关信息。
2016-06-24 cs.CL
Document-Level Supervision for Multi-Aspect Sentiment Analysis Without Fine-grained Labels
AWS AI Labs(AWS人工智能实验室)
本文提出一种基于VAE的主题建模方法,利用文档级监督进行多方面情感分析,无需细粒度标签,在两个基准数据集上显著优于基线。
2023-10-10 cs.CL
Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
基于情感分析的评论文本的情感分析对于以细粒度的方式理解用户反馈具有重要价值。它通常有两个子任务:(i)从每个评论中提取方面,以及(ii)根据情感极性对基于方面的评论进行分类。在本文中,我们提出了一个弱监督的方法,基于方面的情感分析,它只使用几个关键字描述每个方面/情感,而不使用任何标记的例子。现有的方法要么只为其中一个子任务而设计,忽略了耦合两者的好处,要么基于可能包含重叠概念的主题模型。我们建议首先通过实施正则化来鼓励主题独特性,从而在词嵌入空间中学习<sentiment,aspect>联合主题嵌入,然后使用神经模型通过使用基于嵌入的预测预训练分类器并在未标记的数据上进行自我训练来概括词级判别信息。我们的综合性能分析表明,我们的方法生成高质量的联合主题,并在基准数据集上显著优于基线(方面和情感分类的平均F1得分分别增加7.4%和5.1%)。我们的代码和数据可在https://github.com/teapot123/JASen上获得。
2020-10-13 cs.CL cs.IR cs.LG
Neural Attention-Aware Hierarchical Topic Model
Monash University(莫纳什大学);Deakin University(迪肯大学)
神经主题模型(NTM)将深度神经网络应用于主题建模。尽管他们的成功,NTMs通常忽略了两个重要方面:(1)只有文档级的单词计数信息被用于训练,而更细粒度的文本级信息被忽略,以及(2)关于文档,句子和单词的外部语义知识没有被利用的训练。为了解决这些问题,我们提出了一个变分自编码器(VAE)NTM模型,该模型使用词袋(BoW)主题嵌入和预训练语义嵌入的组合来联合重建句子和文档字数。预训练的嵌入首先被转换到一个公共的潜在主题空间中,以使它们的语义与BoW嵌入保持一致。我们的模型还具有分层KL分歧,以利用每个文档的嵌入来正则化其句子的嵌入,从而更加关注语义相关的句子。定量和定性实验都表明了我们的模型在以下方面的有效性:1)降低句子和文档级别的重建错误; 2)从真实世界的数据集中发现更连贯的主题。
2021-10-14 cs.CL cs.LG
TopicMerge: A Divide and Conquer Approach to Topic Modeling
Oregon State University(俄勒冈州立大学);Pacific Northwest National Laboratory(太平洋西北国家实验室)
本文提出TopicMerge,通过多阶段流程结合嵌入方法与LLM方法,在Bills、Wiki数据集上实现最优聚类性能,同时将LLM调用量减少92%以上,兼具高效性与可扩展性。
2026-11-13 cs.CL cs.LG
Leveraging Just a Few Keywords for Fine-Grained Aspect Detection Through Weakly Supervised Co-Training
Columbia University(哥伦比亚大学)
用户生成的评论可以被分解成细粒度的片段(例如,句子,子句),每个评估主体实体的不同方面(例如,价格、质量、外观)。自动检测这些方面对于用户和下游意见挖掘应用程序都是有用的。目前用于学习方面分类器的监督方法需要许多细粒度的方面标签,这是劳动密集型的获得。不幸的是,无监督的主题模型往往无法捕捉到感兴趣的方面。在这项工作中,我们考虑了用于训练方面分类器的弱监督方法,这些方法只需要用户提供一小组种子词(即,弱阳性指标)。首先,我们表明,目前的弱监督方法不能有效地利用种子词的预测能力进行方面检测。接下来,我们提出了一种学生-教师方法,该方法有效地利用了词袋分类器(教师)中的种子词;反过来,我们使用教师来训练第二个模型(学生),该模型可能更强大(例如,使用预训练的词嵌入的神经网络)。最后,我们证明了迭代协同训练可以用来处理有噪声的种子词,从而改进教师和学生模型。我们提出的方法在六个不同的产品评论领域和六个多语言餐厅评论数据集中始终优于以前的弱监督方法(平均14.1个绝对F1点)。
2019-09-01 cs.CL cs.LG stat.ML
Topic-Grained Text Representation-based Model for Document Retrieval
National University of Defense Technology(国防科技大学)
文档检索使用户能够准确、快速地找到所需的文档。为了满足检索效率的要求,流行的深度神经方法采用基于表示的匹配范式,通过离线预存储文档表示来节省在线匹配时间。然而,上面的范例消耗了大量的本地存储空间,特别是当将文档存储为单词粒度的表示时。为了解决这个问题,我们提出了TGTR,一个主题粒度的文本表示为基础的文档检索模型。TGTR采用基于表示的匹配模式,离线存储文档表示以保证检索效率,而采用新颖的主题粒度表示而不是传统的词粒度表示,大大降低了存储需求。实验结果表明,与词粒度基线相比,TGTR在检索准确率方面始终与TREC CAR和MS MARCO竞争,但它所需的存储空间不到它们所需的1/10。此外,TGTR在检索精度方面压倒性地超过了全球粒度基线。
2022-07-11 cs.CL cs.IR
From Documents to Segments: A Contextual Reformulation for Topic Assignment
LG AI Research(LG AI研究院);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出了一种基于段落的主题分配方法(SBTA),通过将主题分配到短小且连贯的文本段落而非整个文档,以解决传统主题模型中文档多主题问题导致的主题污染问题,从而提升主题分析的清晰度和可解释性。
2026-05-18 cs.CL
Combining Language and Topic Models for Hierarchical Text Classification
Computer Science Division, Mathematical Sciences Department(计算机科学系、数学科学系);Stellenbosch University(斯特伦博斯大学)
本文研究层次文本分类中预训练语言模型与主题模型特征组合的有效性,通过卷积层和标签级注意力机制进行融合,实验表明主题模型特征反而普遍降低分类性能,挑战了此前认为该组合有益的观点。
2025-07-22 cs.CL cs.LG
Sentence Similarity Measures for Fine-Grained Estimation of Topical Relevance in Learner Essays
The ALTA Institute(ALTA研究所);Computer Laboratory(计算机实验室);University of Cambridge(剑桥大学)
我们研究了在学习者作文中评估水平提示关联的任务。使用词重叠,神经嵌入和神经组成模型的各种系统进行评估的两个数据集的学习者写作。我们提出了一种新的词汇级相似度计算方法,该方法学习调整特定任务的预训练词嵌入的权重,与其他相关基线相比,实现了更高的准确性。
2016-06-09 cs.CL cs.LG cs.NE
Stakeholder Suite: A Unified AI Framework for Mapping Actors, Topics and Arguments in Public Debates
ENGIE Lab CRIGEN(ENGIE实验室CRIGEN);Centre de Sociologie de L’Innovation, CNRS, UMR 9217, Mines ParisTech, PSL University(创新社会研究中心,国家科学研究中心,UMR 9217,巴黎 Mines 工程学院,巴黎科学实验室大学);ENGIE Research & Innovation(ENGIE研究与创新);Université Côte d’Azur, CNRS, INRIA, I3S, France(蔚蓝海岸大学,国家科学研究中心,INRIA,I3S,法国)
Stakeholder Suite是一个统一的AI框架,用于在公共辩论中识别参与者、主题和论点,通过细粒度分析和高精度检测提升争议预测和决策支持能力。
2025-12-19 cs.CL
Improving Neural Argumentative Stance Classification in Controversial Topics with Emotion-Lexicon Features
1Innovations Department, Bundesdruckerei GmbH, Berlin, Germany 2Hasso-Plattner-Institut, University of Potsdam, Germany 3Department of Linguistics, University of Potsdam, Germany 4University of Lausanne, Switzerland, 5Knight Foundation School of Computing \& Information Sciences, Florida International University, USA, 6Pisquared, Germany
本文通过扩展NRC情感词典,利用DistilBERT嵌入提升神经论证立场分类性能,有效提升F1分数并优于现有方法。
2026-02-26 cs.CL
SSP-based construction of evaluation-annotated data for fine-grained aspect-based sentiment analysis
DICORA, Hankuk University of Foreign Studies(DICORA,韩国外国语大学);DICORA, Hankuk University of LIGM, Université Gustave Eiffel(DICORA,韩国立国民大学,古斯塔夫·埃菲尔大学);Hankuk University of Foreign Studies(韩国外国语大学)
本文提出构建韩语评价标注语料库EVAD,并用于扩展的方面基于情感分析,通过半自动符号传播方法标注电商评论,提升情感识别性能。
2026-05-08 cs.CL cs.LG
SenWave: A Fine-Grained Multi-Language Sentiment Analysis Dataset Sourced from COVID-19 Tweets
King Abdullah University of Science and Technology(国王阿卜杜勒·阿齐兹科技大学);University Of Florida(佛罗里达大学);University of Notre Dame(诺特丹大学)
针对COVID-19推文,构建了包含五种语言、十个情感类别的细粒度多语言情感分析数据集SenWave,并微调Transformer模型实现准确分类,揭示跨语言和地区的情绪演变。
2025-10-09 cs.CL
Coarse-grained Cross-lingual Alignment of Comparable Texts with Topic Models and Encyclopedic Knowledge
FBK(布鲁诺·凯斯勒基金会);HITS gGmbH(海德堡理论研究所)
我们提出了一种粗粒度的跨语言对齐可比文本的方法:段组成的连续段落,讨论相同的主题(如历史,经济)的基础上诱导的多语言主题对齐。该方法结合了三个想法:一个两级LDA模型,过滤掉不传达主题的单词,一个HMM模型的主题在文档集合中的排序,以及独立于语言的概念注释,作为跨语言的桥梁,并通过概念关系加强同一段中段落之间的联系。该方法进行评估,以前用于单语对齐的英语和法语数据。结果表明,国家的最先进的性能在单语和跨语言设置。
2014-11-28 cs.CL
Searching for Structure in Unfalsifiable Claims
University of Copenhagen(哥本哈根大学);Pioneer Centre for AI(先锋人工智能中心);Technical University of Denmark(丹麦技术大学);Cornell University(康奈尔大学)
社交媒体平台上出现了大量的帖子和评论,可以想象到每一个话题。这些帖子中有许多表达了对社会各个方面的看法,但它们不可伪造的性质使它们不适合事实核查管道。在这项工作中,我们的目标是将这些帖子提炼成一小部分叙述,以捕捉与给定主题相关的基本主张。理解和可视化这些叙述可以促进社交媒体上更明智的辩论。作为系统地识别社交媒体上潜在叙述的第一步,我们引入了PAPYER,这是一个与公共卫生间卫生相关的在线评论的细粒度数据集,其中包含大量不可证伪的说法。我们提出了一个人在回路管道,它使用机器和人类内核的组合来发现流行的叙述,并表明该管道优于最近的大型Transformer模型和最先进的无监督主题模型。
2022-08-19 cs.CL cs.LG cs.SI
How Metaphors Impact Political Discourse: A Large-Scale Topic-Agnostic Study Using Neural Metaphor Detection
Google Research(谷歌研究院);Imperial College London(帝国理工学院);University of Amsterdam(阿姆斯特丹大学)
隐喻作为一种有效的框架手段在政治修辞中被广泛使用。虽然之前已经有文献记录了特定隐喻(如政治语篇中的战争隐喻)的功效,但这些研究通常依赖于少量的手动编码隐喻使用实例。需要更大规模的主题不可知论研究来建立隐喻作为一种手段的普遍说服力,并揭示指导其说服力的更广泛的模式。在本文中,我们提出了一个大规模的数据驱动的研究中使用的隐喻在政治语篇。我们对一个公开的数据集进行了这项研究,该数据集包含了412名美国政客在其Facebook公共页面上发布的超过8.5万个帖子,截至2017年2月。我们的贡献有三个方面:我们的证据表明,隐喻的使用与意识形态倾向以复杂的方式相关,这取决于同时发生的政治事件,如赢得或失去选举;我们表明,即使在控制了各种社会政治因素,如性别和政党关系后,隐喻的帖子也会引起观众的更多参与;最后,我们通过对7万篇帖子中513个词的隐喻用法和字面用法的细粒度语言学分析,证明隐喻性确实是帖子参与度增加的原因。
2021-04-08 cs.CL cs.SI
FINEST: Improving LLM Responses to Sensitive Topics Through Fine-Grained Evaluation
KAIST(韩国科学技术院);Samsung(三星)
FINEST通过细粒度评估分类法,改进LLM对敏感话题的响应,显著减少错误率并提升帮助性与安全性。
2026-03-04 cs.CL
Refusal Steering: Fine-grained Control over LLM Refusal Behaviour for Sensitive Topics
通过引导向量控制LLM在敏感话题上的拒绝行为,实现安全且可控的审核方法。
2026-02-24 cs.AI cs.CL
Topic Segmentation and Labeling in Asynchronous Conversations
Qatar Computing Research Institute(卡塔尔计算研究所);University of British Columbia(不列颠哥伦比亚大学)
话题分割和标记通常被认为是更高级别会话分析的先决条件,并且已被证明在许多自然语言处理(NLP)应用中是有用的。我们提出了两个新的语料库的电子邮件和博客对话注释的主题,并评估注释器的可靠性,在这些异步对话的分割和标记任务。我们提出了一个完整的计算框架,主题分割和标签在异步会话。我们的方法通过考虑异步会话的细粒度结构以及通过应用最近的基于图的NLP方法的其他会话特征来扩展最先进的方法。对于主题分割,我们提出了两个新的无监督模型,利用细粒度的会话结构,和一个新的图论监督模型,结合词汇,会话和主题功能。对于主题标签,我们提出了两种新的(无监督)随机游走模型,分别从两个不同的来源捕获会话特定的线索:领导的句子和细粒度的会话结构。经验评估表明,我们最好的模型所执行的分割和标记击败了最先进的技术,并且与人类注释高度相关。
2014-02-04 cs.CL
SciPrompt: Knowledge-augmented Prompting for Fine-grained Categorization of Scientific Topics
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Washington(华盛顿大学);Technical University of Munich(慕尼黑工业大学)
SciPrompt框架通过自动检索科学文献中的领域标签词增强verbalizer,并结合相关性分数加权策略,显著提升了低资源场景下细粒度和新兴科学主题分类的性能。
2024-10-02 cs.CL
Learning Fine-Grained Knowledge about Contingent Relations between Everyday Events
University of California Santa Cruz(加州大学圣克鲁兹分校)
社交媒体上的大部分用户生成内容都是由普通人讲述他们日常生活的故事提供的。我们开发并测试了一种新的方法,用于从这些关于日常事件之间的偶然(因果和条件)关系的故事中学习细粒度的常识知识。这种类型的知识对于文本和故事理解、信息抽取、问答和文本摘要是有用的。我们测试和比较不同的方法学习权变关系,并比较从主题排序的故事集合与一般领域的故事。我们的实验表明,使用特定主题的数据集可以学习有关事件的更细粒度的知识,并导致基线的显着改进。Amazon Mechanical Turk上的一项评估显示,我们从主题分类故事中了解到的事件之间的关系中,有82%被判断为偶然的。
2017-08-30 cs.AI cs.CL
Event detection in Colombian security Twitter news using fine-grained latent topic analysis
Universidad Nacional de Colombia(哥伦比亚国立大学)
文化和社会动态是重要的概念,必须加以理解,以便掌握社区关心的问题。为此,新闻是一个很好的社区信息来源,特别是近年来,大众媒体巨头使用社交网络与受众沟通和互动。在这项工作中,我们使用的方法来发现潜在的主题,从哥伦比亚的Twitter新闻帐户,以确定该国最突出的事件。我们特别关注与安全、暴力和犯罪有关的推文,因为哥伦比亚社会周围存在暴力环境。我们使用的潜在主题发现方法通过使用FastText构建推文的向量表示,并通过K-means聚类算法发现推文的聚类。通过测量潜在狄利克雷分配(LDA)模型的一系列主题的$C_V$相干性来找到聚类的数量。最后,我们使用均匀流形近似和投影(UMAP)降维可视化的推文向量。一旦确定了与安全、暴力和犯罪相关的聚类,我们将在每个聚类中应用相同的方法来执行细粒度分析,其中将新闻中提到的特定事件分组在一起。我们的方法能够发现特定于事件的新闻集,这是对人们如何参与不同类型新闻的Twitter线程进行广泛分析的基准,重点是安全,暴力和犯罪相关的推文。
2019-11-19 cs.CL cs.SI
Towards Learning Fine-Grained Disentangled Representations from Speech
University of Notre Dame(圣母大学)
学习高维数据的非纠缠表示是当前一个活跃的研究领域。然而,与计算机视觉领域相比,语音处理方面的工作做得较少。在本文中,我们提供了一个审查的两个代表性的努力在这个话题上,并提出了新的概念细粒度的解开语音表示学习。
2018-08-08 cs.CL cs.LG cs.SD
Fine-grained Sentiment Classification using BERT
Tribhuvan University(特里布万大学);Institute of Engineering, Tribhuvan University(特里布万大学工程学院)
情感分类是理解人们对产品、服务或主题的感知的重要过程。许多自然语言处理模型已经被提出来解决情感分类问题。然而,他们中的大多数都集中在二进制情感分类。在本文中,我们使用一种名为BERT的有前途的深度学习模型来解决细粒度的情感分类任务。实验表明,我们的模型优于其他流行的模型,没有复杂的架构,这项任务。我们还证明了迁移学习在自然语言处理中的有效性。
2019-10-04 cs.CL cs.LG stat.ML
MEUV: Achieving Fine-Grained Capability Activation in Large Language Models via Mutually Exclusive Unlock Vectors
Xin Tong School of Information and Cyber Security People’s Public Security University of China(信息与网络安全学院 中国人民公安大学);Zhi Lin School of Safety Science Tsinghua University(安全科学学院 清华大学);Jingya Wang School of Information and Cyber Security People’s Public Security University of China(信息与网络安全学院 中国人民公安大学);Meng Han Intelligent Fusion Research Center Zhejiang University(智能融合研究中心 浙江大学);Bo Jin* The Third Research Institute of the Ministry of Public Security of China(中华人民共和国公安部第三研究所)
提出MEUV框架,将LLM的单一拒绝方向分解为近乎正交的按主题对齐向量,实现细粒度能力激活,在保持高攻击成功率的同时显著减少跨主题泄露。
2025-09-04 cs.AI cs.CL cs.CR
GRADE: Automatic Graph-Enhanced Coherence Metric for Evaluating Open-Domain Dialogue Systems
Sun Yat-Sen University(中山大学);Dark Matter AI Inc.(暗物质人工智能公司)
自动评估对话一致性是开发高质量开放域对话系统的一项具有挑战性但要求很高的能力。然而,目前的评估指标只考虑表面特征或话语级语义,没有明确考虑细粒度的话题转换动态的对话流。在这里,我们首先考虑由对话中的主题构成的图结构可以准确地描述底层的通信逻辑,这是产生有说服力的度量的更自然的方式。利用主题级对话图,我们提出了一个新的评价指标GRADE,它代表图形增强表示自动对话评价。具体来说,GRADE结合了粗粒度的话语级上下文表示和细粒度的主题级图形表示来评估对话的连贯性。图表示是通过对主题级对话图进行推理来获得的,该对话图由常识图的证据增强,包括k跳邻近表示和跳注意力权重。实验结果表明,我们的GRADE显着优于其他国家的最先进的衡量标准,衡量不同的对话模型的皮尔逊和斯皮尔曼相关性与人类的判断。此外,我们还发布了一个新的大规模人类评估基准,以促进未来对自动度量的研究。
2020-10-08 cs.CL
CSDS: A Fine-Grained Chinese Dataset for Customer Service Dialogue Summarization
National Laboratory of Pattern Recognition, Institute of Automation, CAS(中国科学院自动化研究所模式识别国家重点实验室);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院);Fanyu AI Laboratory, Zhongke Fanyu Technology Co., Ltd(中科凡语科技有限公司凡语AI实验室)
对话摘要是近年来备受关注的话题。特别是在客户服务领域,代理人可以使用对话摘要,以帮助提高他们的工作,通过快速了解客户的问题和服务的进展。这些应用程序要求摘要包含单个发言者的观点,并具有清晰的主题流结构,而现有数据集中都没有。因此,在本文中,我们介绍了一个新的中国数据集的客户服务对话摘要(CSDS)。CSDS在两个方面对摘要进行了改进:(1)除了对整个对话进行全面总结外,还提供了面向角色的摘要,以获取不同发言者的观点。(2)所有的摘要都分别总结了每个主题,从而包含了对话的主题层次结构。我们将CSDS中的任务定义为生成给定对话的总体摘要和不同的面向角色的摘要。其次,我们比较了CSDS上的各种摘要方法,实验结果表明,现有的方法容易产生冗余和不连贯的摘要。此外,当分析面向角色的摘要和主题结构的性能时,性能变得更差。希望本研究能为汉语对话摘要的进一步研究提供参考。
2021-09-06 cs.CL
VLM-FO1: Bridging the Gap Between High-Level Reasoning and Fine-Grained Perception in VLMs
Om AI Research(Om AI研究机构);Binjiang Institute of Zhejiang University(浙江大学滨江研究院);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院)
针对视觉语言模型细粒度感知能力弱的问题,提出即插即用框架VLM-FO1,通过特征检索重构任务、双视觉编码器生成区域token,在多基准上取得SOTA且不损害通用视觉能力。
2025-09-30 cs.CL cs.CV
ConQRet: Benchmarking Fine-Grained Evaluation of Retrieval Augmented Argumentation with LLM Judges
Department of Computer Science(计算机科学系);Emory University(埃默里大学)
针对检索增强论证缺乏整体细粒度评估的问题,本文提出多LLM评判者自动评估方法,并构建基于真实网站证据的ConQRet基准以衡量检索、论证质量与依据性。
2024-12-06 cs.AI cs.CL cs.IR
Neural Architectures for Fine-Grained Propaganda Detection in News
Siemens AG(西门子股份公司);University of Munich (LMU)(慕尼黑大学(LMU))
本文介绍了我们的系统(MIC-CIS)的细节和参与细粒度宣传检测共享任务2019的结果。为了解决句子(SLC)和片段级(FLC)宣传检测的任务,我们探索了不同的神经架构(例如,CNN、LSTM-CRF和BERT)并提取语言(例如,词性、命名实体、可读性、情感、情绪等),布局和专题功能。具体来说,我们设计了多粒度和多任务神经架构,以联合执行句子和片段级别的宣传检测。此外,我们研究了不同的集成方案,如多数表决,松弛表决等,以提高整体系统的性能。与其他参与系统相比,我们的提交在FLC和SLC任务中分别排名第三和第四。
2019-09-13 cs.CL cs.IR cs.LG
How to Handle Different Types of Out-of-Distribution Scenarios in Computational Argumentation? A Comprehensive and Fine-Grained Field Study
Technical University of Darmstadt(达姆施塔特工业大学);Lucerne University of Applied Sciences and Arts(卢塞恩应用科学与艺术大学);IBM Research Europe - Ireland(IBM欧洲研究院爱尔兰分部)
本研究系统评估了预训练语言模型在计算论证中应对主题偏移、领域偏移和语言偏移三种分布外场景的能力,发现不同学习范式的有效性因OOD类型而异,挑战了上下文学习的普遍优势论断。
2024-06-27 cs.CL
Enhancing Academic Paper Recommendations Using Fine-Grained Knowledge Entities and Multifaceted Document Embeddings
Department of Information Management(信息管理系);Nanjing University of Science & Technology(南京理工大学);School of Computer Engineering(计算机工程学院);Jiangsu University of Technology(江苏科技大学);School of Information Management(信息管理学院);Central China Normal University(中央财经大学)
本文提出利用细粒度知识实体和多维文档嵌入提升学术论文推荐效果,通过整合多种信息源提高推荐精度,实验显示在STM-KG数据集上达到27.3%的平均精确度。
2026-01-27 cs.CL cs.DL cs.IR
Ontology Enrichment for Effective Fine-grained Entity Typing
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究提出OnEFET,通过为本体节点添加实例与主题信息并训练蕴含模型,实现零样本细粒度实体类型识别,无需人工标注,性能大幅超越现有零样本方法并接近监督方法。
2023-10-11 cs.CL
Fine-grained Geolocation Prediction of Tweets with Human Machine Collaboration
Georgia Institute of Technology(佐治亚理工学院)
Twitter是分析人们对各种主题的意见的有用资源。这些主题通常与这些推文发布的位置相关或相关联。例如,餐馆老板可能需要知道他们的目标客户在哪里吃饭,以了解与食物相关的帖子的情绪,政策规划者可能需要分析公民对城市或县或州的特定部分的相关问题,如犯罪,安全,拥堵等的意见。尽管这很有希望,但只有不到$1\%$的抓取推文帖子带有地理位置标签。这使得准确预测非地理标记推文的推文帖子对于分析各个领域的数据非常重要。在这项研究中,我们利用数百万条Twitter帖子和最终用户的领域专业知识,使用自然语言处理(NLP)技术构建了一组深度神经网络模型,该模型可以预测不同粒度级别的非地理标记的Twitter帖子的地理位置,例如社区,邮政编码和经度与纬度。通过多个神经架构实验和协作式人机工作流设计,我们正在进行的地理位置检测工作显示出令人鼓舞的结果,使最终用户能够将选择变量与位置信息之间的关系关联起来。
2021-06-25 cs.CL cs.LG cs.SI
LLMRefine: Pinpointing and Refining Large Language Models via Fine-Grained Actionable Feedback
University of California Santa Barbara(加州大学圣巴巴拉分校);Google(谷歌);Carnegie Mellon University(卡内基梅隆大学)
本文提出推理时优化方法 LLMRefine,利用学习到的细粒度反馈模型定位缺陷,并通过模拟退火引导 LLM 迭代改进输出,在翻译、长问答和摘要任务上均显著超过基线。
2024-10-25 cs.CL
Fine-Grained Distillation for Long Document Retrieval
University of Technology Sydney(悉尼科技大学);Microsoft Corporation(微软公司)
长文档检索的目标是从大规模的集合中获取查询相关的文档,其中知识蒸馏已经成为事实上通过模仿异构但功能强大的交叉编码器来改进检索器。然而,与段落或句子相反,长文档的检索受到范围假设的影响,即长文档可能涵盖多个主题。这使它们的结构异质性最大化,并造成颗粒失配问题,导致较差的蒸馏效率。在这项工作中,我们提出了一个新的学习框架,细粒度蒸馏(FGD),长文档检索。在保持传统的稠密检索范式的同时,它首先产生跨不同细粒度的全局一致表示,然后仅在训练期间应用多粒度对齐蒸馏。在实验中,我们评估我们的框架上的两个长文档检索基准,这表明国家的最先进的性能。
2022-12-20 cs.CL cs.IR
DomainSum: A Hierarchical Benchmark for Fine-Grained Domain Shift in Abstractive Text Summarization
University of Hawaii at Manoa(夏威夷大学马诺阿分校)
本文提出分层基准DomainSum,从体裁、风格和主题三个层级刻画抽象摘要中的细粒度领域偏移,并系统评估PLMs和LLMs的领域泛化能力。
2024-10-21 cs.CL
FineFake: A Knowledge-Enriched Dataset for Fine-Grained Multi-Domain Fake News Detection
Beihang University(北京航空航天大学);Central South University(中南大学);Beijing University of Posts and Telecommunications(北京邮电大学);University of Illinois at Chicago(芝加哥大学伊利诺伊分校)
针对现有假新闻检测基准缺乏多领域多样性和细粒度标注的问题,提出知识增强的多领域基准FineFake,包含16,909个样本,并设计三项任务及知识增强领域自适应网络,为未来研究提供可靠基准。
2024-10-15 cs.AI cs.CL cs.MM
A Weakly Supervised Dataset of Fine-Grained Emotions in Portuguese
Brazilian Network Information Center (NIC.br)(巴西网络信息中心);Mackenzie Presbyterian University(麦肯齐长老会大学);Jusbrasil
情感计算是研究计算机如何识别、解释和模拟人类情感的科学。情感分析是NLP中与此主题相关的常见任务,但它只关注情感效价(积极,消极,中性)。NLP中的一种新兴方法是情感识别,它依赖于细粒度分类。本研究描述了一种方法来创建一个基于词汇的弱监督语料库细粒度的情绪在葡萄牙语。我们通过微调基于transformer的语言模型(BERT)并在黄金标准注释的验证集上验证它来评估我们的数据集。我们的研究结果(F1-score=.64)表明,基于词汇的弱监督作为一个适当的策略,在低资源环境中的初始工作。
2021-10-08 cs.CL
DeFine: A Decomposed and Fine-Grained Annotated Dataset for Long-form Article Generation
North China University of Technology(北方工业大学);Peking University(北京大学);National University of Defense Technology(国防科技大学);Center of Information Research, AMS(中国科学院自动化研究所信息研究中心)
本文提出DeFine,一个面向长文文章生成的分解式细粒度标注数据集,通过多智能体协作流程构建层次化标注,并基于Qwen2-7b-Instruct微调验证其在主题覆盖、信息深度和内容保真度上的提升效果。
2025-03-10 cs.AI cs.CL
CHAE: Fine-Grained Controllable Story Generation with Characters, Actions and Emotions
Tongji University(同济大学);Shanghai University of Electric Power(上海电力大学)
近年来,故事生成已经成为一个有趣但具有挑战性的NLP任务。一些现有的研究旨在从关键词和大纲中生成流畅连贯的故事;而另一些则试图控制故事的整体特征,如情感,风格和主题。然而,这些作品侧重于对故事的粗粒度控制,忽视了对故事细节的控制,这对任务也至关重要。为了填补这一空白,本文提出了一种模型,用于细粒度控制的故事,它允许生成定制的故事与字符,相应的行动和情感任意分配。大量的实验结果表明,我们的方法的优越性,自动和人工评估。根据细粒度的个性化指导生成故事具有很强的可控性,揭示了我们方法的有效性。我们的代码可在https://github.com/victorup/CHAE上获得。
2022-10-11 cs.AI cs.CL
Topic mining based on fine-tuning Sentence-BERT and LDA
Inner Mongolia University(内蒙古大学)
本文提出微调Sentence-BERT结合LDA的主题挖掘方法,用于电商在线评论细粒度属性分析,主题一致性比对比模型高0.5,提升了主题提取准确性。
2025-04-07 cs.CL cs.IR
GloCTM: Cross-Lingual Topic Modeling via a Global Context Space
GloCTM通过构建统一语义空间,实现跨语言主题建模的连贯性和语义对齐,提升多语言理解能力。
2026-01-17 cs.CL
Fine-Grained Analysis of Team Collaborative Dialogue
Florida Institute for Human and Machine Cognition(佛罗里达人类与机器认知研究所)
针对人类协作对话分析研究不足、缺乏细粒度描述的问题,本文基于组织内Slack聊天记录,提出层级标注方案与对话行为频率指标,并采用transformer+CRF架构开展初步研究,以构建软件开发领域的可解释分析工具。
2023-12-09 cs.AI cs.CL
A Corpus of Persuasion Techniques in Slavic Languages
Institute of Computer Science, Polish Academy of Science(波兰科学院计算机科学研究所);Sofia University "St. Kliment Ohridski"(索菲亚大学圣克莱门特·奥赫里德斯基分校);University of Koblenz(科布伦茨大学);Visa Technology Europe(维萨欧洲技术公司);CodeNLP(代码自然语言处理公司);University of Padua(帕多瓦大学);University of Helsinki(赫尔辛基大学)
本文聚焦斯拉夫语构建说服技巧语料库,涵盖三国语言、约7500个文本跨度及25种细粒度技巧。描述创建过程并统计,研究话题与技巧相关性,还用多种模型提供检测和分类的基线及基准结果。
2026-07-14 cs.AI cs.CL
Fine-grained Event Categorization with Heterogeneous Graph Convolutional Networks
Beihang University(北京航空航天大学);Hong Kong University of Science and Technology(香港科技大学);Tencent(腾讯);Tsinghua University(清华大学);University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
事件发生在真实世界和实时,可以计划和组织涉及多个人和对象的场合。社交媒体平台发布了大量包含具有综合主题的公共事件的短信。然而,由于文本中事件元素的异质性以及显式和隐式的社会网络结构,挖掘社会事件具有挑战性。本文设计了一种事件元模式来表征社会事件的语义相关性,构建了一个基于事件的异构信息网络(HIN),整合外部知识库的信息,提出了一种新的基于成对流行度图卷积网络(PP-GCN)的细粒度社会事件分类模型。我们提出了一个基于知识元路径的社会事件相似度(KIES)的事件之间,并建立一个加权邻接矩阵作为PP-GCN模型的输入。在真实的数据汇集上进行了全面的实验,以比较各种社会事件检测和聚类任务。实验结果表明,我们提出的框架优于其他替代的社会事件分类技术。
2019-06-09 cs.CL cs.SI stat.ML
Toward Purpose-oriented Topic Model Evaluation enabled by Large Language Models
本研究提出利用大语言模型构建面向目的的自动化主题模型评估框架,通过九种指标覆盖四个质量维度,在多种数据集上验证,能揭示传统指标忽略的冗余和语义漂移问题,支持可扩展的细粒度评估。
2025-09-08 cs.AI cs.CL cs.DL
RSTGen: Imbuing Fine-Grained Interpretable Control into Long-FormText Generators
University of Warwick(华威大学);Southern University of Science and Technology(南方科技大学);The Alan Turing Institute(艾伦·图灵研究所)
提出RSTGen框架,利用修辞结构理论控制长文本的话语结构、语义和主题,在论证和故事生成任务中表现优异,并提供更多控制。
2022-05-25 cs.CL
LiFi: Lightweight Controlled Text Generation with Fine-Grained Control Codes
Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Tencent AI Lab(腾讯AI Lab)
提出 LIFI 方法,利用连续、相对且非互斥的细粒度控制码结合 adapters,在少量标注和大量未标注数据上实现轻量级受控文本生成,在情感、主题控制和风格化小说写作任务上显著优于基线。
2024-02-10 cs.CL
FGraDA: A Dataset and Benchmark for Fine-Grained Domain Adaptation in Machine Translation
Nanjing University(南京大学);University of Michigan(密歇根大学);Sogou Inc.(搜狗公司)
传统的神经机器翻译(NMT)模型适应特定领域的研究往往忽略了同一领域内翻译的多样性,而这是领域自适应的核心问题。这种具有挑战性的场景的一个代表是为具有特定主题的会议部署翻译系统,全球变暖或冠状病毒,由于时间有限,通常资源极其少。为了激励更广泛的调查,在这样的情况下,我们提出了一个现实世界的细粒度领域自适应任务在机器翻译(FGraDA)。FGraDA数据集包括信息技术四个子领域的中英翻译任务:自动驾驶汽车,人工智能教育,实时网络和智能手机。每个子域都配备了用于评估目的的开发集和测试集。为了更接近实际,FGrada不使用任何领域内的双语训练数据,但提供双语词典和wiki知识库,可以在短时间内更容易地获得。我们对细粒度的领域自适应任务进行了基准测试,并进行了深入的分析,结果表明,在异构资源的情况下,进一步提高性能仍然存在一些具有挑战性的问题。
2021-11-07 cs.CL
A Large and Balanced Corpus for Fine-grained Arabic Readability Assessment
Computational Approaches to Modeling Language Lab, New York University Abu Dhabi(新纽约大学阿布扎赫实验室);Zai Arabic Language Research Centre, Zayed University(扎伊阿拉伯语言研究中心)
该研究构建了含69441句、19个可读性等级的大规模平衡阿拉伯语可读性评估语料库BAREC,人工标注一致性达81.8%,并完成多方法基准测试,公开资源以支持相关研究与教育。
2025-06-11 cs.CL
Information Screening whilst Exploiting! Multimodal Relation Extraction with Feature Denoising and Multimodal Topic Modeling
National University of Singapore(新加坡国立大学);Singapore Management University(新加坡管理大学);DAMO Academy, Alibaba Group(阿里巴巴集团达摩院)
本文针对多模态关系抽取中内部信息过载与外部信息利用不足的问题,提出融合场景图构建跨模态图、基于信息瓶颈去噪并引入多模态主题建模的新框架,在基准数据集上显著超越现有最佳模型。
2023-05-25 cs.CL cs.CV
Data-Driven Evolution of Library and Information Science Research Methods (1990-2022): A Perspective Based on Fine-grained Method Entities
Department of Information Management, Nanjing University of Science and Technology(南京理工大学信息管理学院)
本研究利用1990-2022年LIS学术论文,自动提取算法模型、数据资源、软件工具和指标四类细粒度方法实体,从时间特征、研究主题演变和方法类别三个维度揭示数据驱动范式下LIS研究方法的演化趋势,发现数据资源是方法演化的关键驱动力,并呈现“涌现-稳定/实际应用”的循环模式。
2026-06-25 cs.CL cs.CY cs.DL