TextEssence: A Tool for Interactive Analysis of Semantic Shifts Between Corpora

embComp: Visual Interactive Comparison of Vector Embeddings

This paper introduces embComp, a novel approach for comparing two embeddings that capture the similarity between objects, such as word and document embeddings. We survey scenarios where comparing these embedding spaces is useful. From those scenarios, we derive common tasks, introduce visual analysis methods that support these tasks, and combine them into a comprehensive system. One of embComp's central features are overview visualizations that are based on metrics for measuring differences in the local structure around objects. Summarizing these local metrics over the embeddings provides glob…

GPTopic: 动态和交互式主题表示

GPTopic: Dynamic and Interactive Topic Representations

GPTopic利用大型语言模型创建动态交互式主题表示，通过直观界面提升主题建模的可访问性和全面性。

SummVis: Interactive Visual Analysis of Models, Data, and Evaluation for Text Summarization

Novel neural architectures, training strategies, and the availability of large-scale corpora haven been the driving force behind recent progress in abstractive text summarization. However, due to the black-box nature of neural models, uninformative evaluation metrics, and scarce tooling for model and data analysis, the true performance and failure modes of summarization models remain largely unknown. To address this limitation, we introduce SummVis, an open-source tool for visualizing abstractive summaries that enables fine-grained analysis of the models, data, and evaluation metrics associate…

Human-in-the-Loop Refinement of Word Embeddings

Word embeddings are a fixed, distributional representation of the context of words in a corpus learned from word co-occurrences. Despite their proven utility in machine learning tasks, word embedding models may capture uneven semantic and syntactic representations, and can inadvertently reflect various kinds of bias present within corpora upon which they were trained. It has been demonstrated that post-processing of word embeddings to apply information found in lexical dictionaries can improve the semantic associations, thus improving their quality. Building on this idea, we propose a system t…

Biomedical NER和实体链接基准测试测量什么？一种以语料库为中心的诊断框架

What Do Biomedical NER and Entity Linking Benchmarks Measure? A Corpus-Centric Diagnostic Framework

本文提出一种以语料库为中心的诊断框架，用于分析生物医学NER和实体链接基准测试的相关属性，揭示语料库特性对评估信号、泛化需求和基准测试结论范围的影响。

语义概念空间：基于词嵌入投影的主题模型优化

Semantic Concept Spaces: Guided Topic Model Refinement using Word-Embedding Projections

我们提出了一个框架，允许用户将他们的领域知识的语义主题模型细化，同时保持模型不可知。我们的方法使用户能够（1）理解模型的语义空间，（2）识别潜在的冲突和问题的区域，（3）根据他们的理解重新调整概念的语义关系，直接影响主题建模。这些任务由交互式可视化分析工作区支持，该工作区使用词嵌入投影来定义概念区域，然后可以对其进行细化。用户细化的概念是独立于特定的文档集合，并可以转移到相关的语料库。概念空间中的所有用户交互直接影响底层向量空间模型的语义关系，这反过来又改变了主题建模。除了直接操作之外，我们的系统还通过推荐的交互来指导用户的决策过程，这些交互指出了潜在的改进。这种有针对性的改进旨在最大限度地减少有效的人在回路过程所需的反馈。我们确认了通过我们的方法在两个用户研究中实现的改进，通过我们的视觉知识外化和学习过程显示主题模型质量的提高。

LATA：一个辅助翻译标注的工具

LATA: A Tool for LLM-Assisted Translation Annotation

LATA是一个利用大语言模型辅助的翻译标注工具，旨在提高标注效率的同时保持语言学精度，适用于结构差异大的语言对。

分布式语义建模：一种应用本体相关方法训练术语/词向量空间模型的改进技术

Distributional semantic modeling: a revised technique to train term/word vector space models applying the ontology-related approach

受最近的本体相关方法（使用不同类型的上下文知识，如句法知识、术语知识、语义知识等）的启发，我们设计了一种基于神经网络的分布式语义建模方法--术语向量空间模型。能够识别术语（术语抽取）和它们之间的关系（关系抽取）的技术称为语义预处理技术-- SPT。我们的方法依赖于从自然语言文本中自动提取术语，并随后形成面向问题或面向应用（也有深度注释）的文本语料库，其中基本实体是术语（包括非成分和成分术语）。这给了我们一个从分布式词表示（或词嵌入）转换到分布式词表示（或词嵌入）的机会。这种转换将允许生成不同主题域的更准确的语义映射（也是输入术语之间的关系-这对于探索集群和对立或测试您对它们的假设很有用）。语义映射可以使用Vec 2graph表示为一个图，Vec 2graph是一个Python库，用于将词嵌入（在本例中为术语嵌入）可视化为动态和交互式图。结合术语嵌入的Vec 2graph库不仅可以提高解决标准NLP任务的准确性，还可以更新自动化本体开发的传统概念。我们工作的主要实际成果是开发工具包（表示为Web服务API和Web应用程序的工具包集），它提供了所有必要的例程，用于基本的语言预处理和乌克兰语自然语言文本的语义预处理，用于将来的术语向量空间模型的训练。