NPtool, a detector of English noun phrases
NPtool是一个快速准确的系统，用于从英语文本中提取名词短语，用于信息检索，翻译单元发现和语料库研究。在一般性介绍后，系统架构的轮廓。然后是一个最近写的约束测试。评估报告结束了文件。
1995-02-13 cmp-lg cs.CL
Canonicalizing Open Knowledge Bases with Multi-Layered Meta-Graph Neural Network
Harbin Institute of Technology（哈尔滨工业大学）；University of Notre Dame（圣母大学）
开放知识库中的名词短语和关系短语往往不规范，导致冗余和模糊的事实。在这项工作中，我们综合结构信息（从哪个元组，哪个句子）和语义信息（语义相似度）来做规范化。我们将两种类型的信息表示为多层图：结构信息形成跨句子、关系短语和名词短语层的链接;语义信息形成每层的加权层内链接。我们提出了一个图神经网络模型，通过多层元图结构聚合名词短语和关系短语的表示。实验表明，我们的模型优于现有的方法在一个公共数据集在一般领域。
2020-06-17 cs.AI cs.CL
COMBO: A Complete Benchmark for Open KG Canonicalization
ShanghaiTech University（上海科技大学）；Shanghai Engineering Research Center of Intelligent Vision and Imaging（上海智能视觉成像工程技术研究中心）；DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）
开放知识图谱（KG）由从数百万原始文本中提取的（主题、关系、对象）三元组组成。开放式语法中的主宾名词短语和关系词存在严重的冗余和歧义，需要规范化。开放KG规范化的现有数据集仅为名词短语提供黄金实体级规范化。在本文中，我们提出了COMBO，一个完整的基准开放KG规范化。与现有数据集相比，我们还提供了关系短语的黄金规范化，名词短语的黄金本体级规范化，以及从中提取三元组的源句子。我们还提出了评估每种类型的规范化的指标。在COMBO数据集上，我们根据经验比较了以前提出的规范化方法以及一些基于预训练语言模型的简单基线方法。我们发现，使用预训练的语言模型在三元组中正确编码短语会导致名词短语的更好的关系规范化和本体级规范化。我们在https://github.com/jeffchy/COMBO/tree/main上发布我们的数据集、基线和评估脚本。
2023-02-08 cs.AI cs.CL
Noun-Phrase Analysis in Unrestricted Text for Information Retrieval
信息检索是自然语言处理的一个重要应用领域，人们面临着处理大量不受限制的自然语言文本的真正挑战。本文介绍了几种简单、健壮、高效的名词短语分析技术在信息检索中的应用。特别是，我们描述了一种混合的方法来提取有意义的（连续或不连续）子复合词从复杂的名词短语使用语料库统计和语言学。实验结果表明，基于这种提取的子复合词的索引提高了信息检索系统的查全率和查准率。名词短语分析技术在图书标引和主题词表自动抽取方面也有潜在的应用价值。
1996-05-13 cmp-lg cs.CL
Unsupervised Pronoun Resolution via Masked Noun-Phrase Prediction
Arizona State University（亚利桑那州立大学）
在这项工作中，我们提出了Masked Noun-Phrase Prediction（MNPP），这是一种在完全无监督的环境中解决代词解析的预训练策略。首先，我们在各种代词解析数据集上评估我们的预训练模型，而不进行任何微调。我们的方法在所有数据集上的性能都优于以前所有的无监督方法。其次，我们进入几次拍摄设置（Few-Shot），分别在WinoGrande-S和XS上微调预训练模型。我们的方法优于RoberTa-大基线，具有较大的利润率，同时，在对WinoGrande的其余三个官方分裂进行进一步微调后，获得了更高的AUC分数。
2021-05-28 cs.CL
Method of noun phrase detection in Ukrainian texts
导论.自然语言处理领域考虑使用传统算法操作无法解决的人工智能完成的任务。这样的任务通常通过使用机器学习方法和计算机语言学手段来实现。文本的预处理任务之一是名词短语的搜索。该任务的准确性对自然语言处理领域的许多其他任务的有效性具有影响。尽管在自然语言处理领域的研究积极发展，但在乌克兰文本中搜索名词短语的调查仍处于早期阶段。结果分析了名词短语检测的不同方法。将句子表示为树结构的方便性已经得到证明。许多名词短语检测方法的主要缺点是其检测效果严重依赖于特定语言的特征。考虑到句子处理的统一格式以及乌克兰语文本句子树构建的训练模型的可用性，选择了Universal Dependency模型。提出了利用普遍依赖方法和命名实体识别模型检测乌克兰语文本中名词短语的复杂方法。乌克兰新闻语料库上的建议方法的有效性进行了实验验证。计算了方法准确度的不同指标。结论.所得到的结果可以表明，建议的方法可以用来找到乌克兰语文本中的名词短语。通过根据主题区域使用适当的命名实体识别模型，可以提高该方法的准确性。
2020-10-22 cs.CL
Improving cross-lingual model transfer by chunking
IIT Kharagpur（印度理工学院卡哈拉格普尔分校）；Dept. of Computer Science and Engg.（计算机科学与工程系）
为了更有效地处理源语言和目标语言之间的句法差异，我们提出了一种浅层解析器引导的跨语言模型迁移方法。在这项工作中，我们假设一个句子中的块或短语作为转移单位，以解决由于单词在短语中的顺序和短语在句子中的顺序的差异而产生的源语言和目标语言之间的句法差异。
2020-02-27 cs.CL
Man [and Woman] vs. Machine: A Case Study in Base Noun Phrase Learning
已经做了大量的工作来证明机器学习算法从带注释的语料库中自动提取语言知识的能力。很少有人去量化人和机器在这项任务上的能力差异。本文件是朝着这个方向迈出的第一步。
2001-05-02 cs.CL
Weak Semi-Markov CRFs for NP Chunking in Informal Text
Singapore University of Technology and Design（新加坡科技设计大学）
本文介绍了一个新的注释语料库的基础上现有的非正式文本语料库：NUS短信语料库（陈和Kan，2013）。新的语料库包括来自26,500条短信的76,490个名词短语，由大学生注释。然后，我们探讨了几个图形模型，包括一个新的变体的半马尔可夫条件随机场（半CRF）的任务名词短语组块。我们通过对新数据集的经验评估证明，与传统的半CRF相比，新变体产生了类似的准确性，但运行时间显着降低。
2018-10-19 cs.CL
Is "My Favorite New Movie" My Favorite Movie? Probing the Understanding of Recursive Noun Phrases
University of Pennsylvania（宾夕法尼亚大学）；Peking University（北京大学）
递归名词短语具有有趣的语义特征。例如，“我最喜欢的新电影”不一定是我最喜欢的电影，而“我最喜欢的新电影”是。这是人类的常识，但语言模型是否具有这样的知识是未知的。我们介绍了递归名词短语挑战（RNPC），三个文本推理任务的数据集，涉及文本蕴涵和事件可扩展性比较，精确地针对递归NP的理解。在RNPC上进行评估时，最先进的Transformer模型只能随机执行。尽管如此，我们表明，这些知识是可以通过适当的数据学习的。我们进一步探讨了从任务中可以学习到的相关语言特征的模型，包括修饰语语义类别和修饰语范围。最后，在RNPC上训练的模型在外部伤害检测评估任务上实现了强大的zero-shot性能，显示了对递归NP的理解在下游应用中的有用性。
2022-05-08 cs.CL
Extending Phrase Grounding with Pronouns in Visual Dialogues
Tianjin University（天津大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
传统的短语定位方法是将字幕中的名词短语定位到相应的图像区域，近年来取得了很大的成功。显然，对于跨模态视觉语言理解来说，单一的名词短语基础是不够的。在这里，我们通过考虑代词来扩展任务。首先，我们构建了一个包含名词短语和代词的短语接地数据集来图像区域。基于数据集，我们测试了短语接地的性能，通过使用最先进的文献模型，这条线。然后，我们增强了基线接地模型与共指信息，这应该有助于我们的任务潜在的，建模的共指结构与图卷积网络。有趣的是，在我们的数据集上进行的实验表明，代词比名词短语更容易接地，其中可能的原因可能是这些代词的歧义要少得多。此外，我们最终的模型与共指信息可以显着提高接地性能的名词短语和代词。
2022-10-23 cs.CL cs.CV
NLML--a Markup Language to Describe the Unlimited English Grammar
在本文中，我们提出了NLML（自然语言置标语言），一个置标语言来描述任何语法正确的英语表达的句法和语义结构。首先分析了相关工作，论证了NLML的必要性：形式简单，易于管理，直接存储。然后从句子（不同复杂度、语态、语气、时态）、从句（关系从句和名词从句）和短语（名词短语、动词短语、介词短语、形容词短语、副词短语和谓语短语）三个层次详细介绍了NLML对英语语法的描述。最后以两个典型的例子：NLOJM（Java中的自然语言对象模型）和NLDB（自然语言数据库）说明了NLML在自然语言处理中的应用领域。
2004-04-07 cs.AI cs.CL
Chunk Tagger - Statistical Recognition of Noun Phrases
我们描述了一个随机的方法，部分解析，即，对有限深度的句法结构的识别。该技术利用马尔可夫模型，但超越了通常的括号法，因为它不仅能够识别边界，而且能够识别简单和复杂NP，PP，AP和状语的内部结构和句法类别。我们比较不同的应用程序和编码方案的标记精度。
1998-07-17 cmp-lg cs.CL
Multi-View Clustering for Open Knowledge Base Canonicalization
Nankai University（南开大学）
开放式信息抽取（OIE）方法从非结构化文本中抽取出大量的OIE三元组（名词短语、关系短语、名词短语），组成大型开放式知识库（OKB）。名词短语和关系短语在此类OKB中没有规范化，导致事实分散和冗余。据发现，两种知识观（即，基于事实三元组的事实视图和基于事实三元组的源上下文的上下文视图）提供了对于OKB规范化任务至关重要的补充信息，OKB规范化将同义名词短语和关系短语聚类到同一组中并为它们分配唯一标识符。然而，到目前为止，这两种知识观被现有的作品孤立地利用。在本文中，我们提出了CMVC，一种新的无监督框架，利用这两个知识的观点共同规范化OKB，而不需要手动注释的标签。为了实现这一目标，我们提出了一种多视图CH K-Means聚类算法，通过考虑它们不同的聚类质量来相互加强从每个视图中学习到的视图特定嵌入的聚类。为了进一步提高规范化性能，我们提出了一个训练数据优化策略，分别在每个特定的视图中的数据量和数据质量，以改进学习的视图特定的嵌入在迭代的方式。此外，我们提出了一个Log-Jump算法，以数据驱动的方式预测最佳聚类数，而不需要任何标签。我们证明了我们的框架的优越性，通过对多个现实世界的OKB数据集对国家的最先进的方法进行广泛的实验。
2022-06-22 cs.AI cs.CL
Fast Statistical Parsing of Noun Phrases for Document Indexing
信息检索（IR）是自然语言处理（NLP）的一个重要应用领域，人们遇到了处理大量无限制自然语言文本的真正挑战。虽然已经做出了很大的努力，将NLP技术应用于IR，但很少有NLP技术在大于几兆字节的文档集合上进行评估。许多NLP技术在处理大量文本时效率不够高，也不够健壮。本文提出了一种新的概率模型的名词短语分析，并报告了这样的分析技术，以提高文档索引的应用。使用语法分析器提供的短语，以补充单个单词的索引的有效性进行评估与250兆字节的文档集合。实验结果表明，在单个词的基础上增加句法短语进行索引，可以显著提高检索性能。
1997-02-12 cmp-lg cs.CL
Error-Driven Pruning of Treebank Grammars for Base Noun Phrase Identification
寻找简单的、非递归的基本名词短语是许多自然语言处理应用程序的重要子任务。虽然以前的经验方法基本NP识别已经相当复杂，本文提出了一个非常简单的算法，是针对相对简单的任务。特别是，我们提出了一种基于语料库的方法，通过匹配部分的语音标签序列来寻找基本的NP。该算法的训练阶段基于两种成功的技术：首先从“树库”语料库中读取基本NP语法;然后通过选择具有高“效益”分数的规则来改进语法。使用这个简单的算法与一个天真的启发式匹配规则，我们实现了令人惊讶的准确性在宾夕法尼亚州树库华尔街日报的评价。
1998-08-26 cmp-lg cs.CL
On the Compositionality Prediction of Noun Phrases using Poincaré Embeddings
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；National Research University Higher School of Economics（国立研究型大学高等经济学院）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）；Universität Hamburg（汉堡大学）
多词短语的组合度是指一个短语的意义在多大程度上可以由其组成成分的意义及其语法关系推导出来。预测（非）组合性是一项经常使用分布式语义模型解决的任务。我们引入了一种新的技术，混合层次信息与分布信息预测组合。特别是，我们使用上位信息的多词和它的成分编码的形式，最近推出的庞加莱嵌入除了分布信息来检测组合名词短语。使用分布相似性的加权平均值和庞加莱相似性函数，我们在三个金标准数据集上获得了一致的、实质性的、统计学上显著的改进，这些改进超过了仅基于分布信息的最新模型。与传统方法仅使用无监督设置不同，我们还将问题框定为有监督的任务，获得了可比的改进。此外，我们公开发布了我们的庞加莱嵌入，这些嵌入是在大型语料库上手工制作的词汇-句法模式的输出上训练的。
2019-06-07 cs.CL
Noun-phrase co-occurrence statistics for semi-automatic semantic lexicon construction
相对于手工创建语义词典，半自动生成语义词典可以节省大量时间。在本文中，我们提出了一种算法，从在线语料库中提取潜在的条目的类别，基于一个小的样本集。我们的算法发现更多的正确的条款和更少的不正确的比以前的工作在这方面。此外，生成的条目可能提供比手工编码更广泛的类别覆盖范围。我们的算法发现许多术语不包括在Wordnet中（比以前的算法多得多），可以被视为现有广泛覆盖资源的“增强器”。
2000-08-24 cs.CL
The optimal placement of the head in the noun phrase. The case of demonstrative, numeral, adjective and noun
Quantitative, Mathematical and Computational Linguistics Research Group, Departament de Ciències de la Computació, Universitat Politècnica de Catalunya (UPC), Barcelona, Spain（数量、数学和计算语言学研究组，计算机科学系，巴塞罗那理工大学（UPC））
本研究探讨了单中心词结构中句法依存距离最小化与惊异度最小化原则的冲突，通过分析多种语言中名词短语的优势语序，证实了名词倾向置于短语末端的理论预测，并发现了反局部效应。
2024-10-15 cs.CL physics.soc-ph
Joint Open Knowledge Base Canonicalization and Linking
Nankai University（南开大学）；Tsinghua University（清华大学）
开放式信息抽取（OIE）方法从文本中抽取出大量的OIE三元组（名词短语、关系短语、名词短语），组成大型的开放式知识库（OKB）。然而，OKB中的名词短语和关系短语并不规范，经常出现在不同的释义文本变体中，这导致了冗余和歧义的事实。为了解决这个问题，有两个相关的任务：OKB规范化（即，将NP和RP转化为规范化形式）和OKB连接（即，将NP和RP与它们在策划的知识库中的对应实体和关系链接起来（例如，DBPedia）。这两个任务是紧密耦合的，一个任务可以从另一个任务中受益匪浅。然而，迄今为止，它们一直被孤立地研究。本文首次探讨了OKB规范化和链接的联合任务，并提出了一个基于因子图模型的新框架JOCL，使两者相互加强。JOCL足够灵活，可以结合来自两个任务的不同信号，并能够扩展以适应任何新的信号。通过对两个大规模OIE三重数据集的实验研究表明，我们的框架在平均F1（准确性）方面优于所有用于OKB规范化（OKB链接）任务的基线方法。
2022-12-02 cs.AI cs.CL
Anaphora Resolution in Japanese Sentences Using Surface Expressions and Examples
回指消解是自然语言处理的主要问题之一。它也是机器翻译和人机对话的重要任务之一。我们用曲面表达式和例子解决了这个问题。表层表达是指句子中为回指消解提供线索的词语。例子是在对话和文本中实际使用的语言数据。该方法采用曲面表达式和实例相结合的方法，是一种实用的方法。本文涉及的回指类型几乎都有：一、回指类型。名词短语的指称性与数量。名词短语直接回指。名词短语间接回指。代词回指与动词短语省略
2000-09-19 cs.CL
Possessive Pronouns as Determiners in Japanese-to-English Machine Translation
英语中的所有格代词在日语句子中没有对应词时用作限定词。本文提出了一种启发式的方法来生成这样的所有格代词，即使在日本没有对应的。该方法使用关于英语中的所有格代词的使用的信息被视为名词的词汇属性，以及关于名词短语指称性和名词短语出现在其中的句子的主语和主要动词的上下文信息。该方法已在NTT通信科学实验室的日英机器翻译系统ALT-J/E中实现。在6,200个句子的测试集中，所提出的方法将生成的具有适当所有格代词的名词短语的数量增加了263个到609个，代价是生成了83个具有不适当所有格代词的名词短语。
1996-01-23 cmp-lg cs.CL
OKGIT: Open Knowledge Graph Link Prediction with Implicit Types
Indian Institute of Science（印度科学学院）
开放知识图谱（OpenKG）是指使用OpenIE工具从语料库中提取的一组（中心名词短语、关系短语、尾名词短语）三元组，例如（tesla，return to，new york）。虽然OpenKG很容易为某个领域引导，但它们非常稀疏，远不能直接用于最终任务。因此，预测新事实的任务，即，当在诸如文本理解、问答和web搜索查询推荐的下游任务中使用这些图时，链接预测成为重要的步骤。OpenKG的学习嵌入是链接预测的一种方法，最近受到了一些关注。然而，在仔细检查，我们发现，目前的OpenKG链接预测算法往往预测名词短语（NP）与不兼容的类型为给定的名词和关系短语。我们在这项工作中解决这个问题，并提出OKGIT，提高OpenKG链接预测使用新的类型兼容性得分和类型正则化。通过在多个数据集上的大量实验，我们证明了所提出的方法在链接预测任务中产生类型兼容的NP的同时实现了最先进的性能。
2021-06-24 cs.CL
Computational Modelling of Plurality and Definiteness in Chinese Noun Phrases
Hubei Provincial Key Laboratory of Artificial Intelligence（湖北省人工智能重点实验室）；National Language Resources Monitoring and Research Center for Network Media（国家网络媒体语言资源监测与研究中心）；School of Computer Science, Central China Normal University（华中师范大学计算机学院）；Department of Information and Computing Sciences, Utrecht University（乌得勒支大学信息与计算科学系）
本研究聚焦汉语名词短语复数与定指标记省略现象，构建带语境和语义标签的汉语名词短语语料库，验证汉语使用者频繁省略相关标记的现象，并训练经典机器学习与前沿预训练语言模型预测短语的复数性和定指性，报告并分析模型性能。
2024-03-07 cs.CL
Open Knowledge Graphs Canonicalization using Variational Autoencoders
IBM Research AI（IBM研究院人工智能部）；Thomas J. Watson Research Center（托马斯·J·沃森研究中心）
开放知识图谱中的名词短语和关系短语没有规范化，导致冗余和模糊的主语-关系-宾语三元组的爆炸。解决这个问题的现有方法采取两步方法。首先，他们为名词和关系短语生成嵌入表示，然后使用聚类算法使用嵌入作为特征对它们进行分组。在这项工作中，我们提出了规范化使用变分自编码器（CUVA），一个联合模型，学习嵌入和集群分配在一个端到端的方法，这导致了一个更好的向量表示的名词和关系短语。我们对多个基准测试的评估表明，CUVA优于现有的最先进的方法。此外，我们引入了CanonicNell，一个新的数据集来评估实体规范化系统。
2021-09-27 cs.AI cs.CL cs.IR
Memory-Based Shallow Parsing
我们提出了基于记忆的学习方法，浅层解析，并将这些应用到五个任务：基本名词短语识别，任意基本短语识别，子句检测，名词短语解析和全面解析。我们使用特征选择技术和系统组合方法来提高基于记忆的学习器的性能。我们的方法进行评估标准数据集和结果与其他系统进行比较。这表明，我们的方法工作良好的基本短语识别，而其对识别嵌入式结构的应用留下了一些改进的空间。
2002-04-24 cs.CL
Variable types for meaning assembly: a logical syntax for generic noun phrases introduced by most
Université de Bordeaux（波尔多大学）；CNRS（法国国家科学研究中心）
本文提出了一种计算类属名词短语与广义量词最对应的句子的语义的方法。我们称这些泛型为样本，它们类似于词汇语义学中的原型或原型。这些意义被视为逻辑公式，此后可以在您最喜欢的模型中进行解释。为了做到这一点，我们与主流的弗雷根观点有很大的不同，弗雷根认为宇宙是一个单一的无类型宇宙。事实上，我们的建议采用了类型论，并从希尔伯特ε-微积分（Hilbert，1922; Avigad and Zach，2008）和中世纪哲学中得到了一些提示，例如de Libera（1993，1996）。我们的类型理论分析与正在进行的词汇语义学研究有一些相似之处（Asher 2011; Bassac et al. 2010; Moot，Précourt and Retoré 2011）。我们的模型也适用于经典的例子，涉及一个类，或这个类的通用元素，这是不是说出，但提供的上下文。本研究的一个结果是，在最低限度主义-语境主义的争论中，参见Conrad（2011），如果采用类型理论的观点，术语编码纯粹的语义成分，而它们的类型是由语用决定的。
2012-03-08 cs.CL cs.LO math.LO
Typed Hilbert Epsilon Operators and the Semantics of Determiner Phrases (Invited Lecture)
Université de Bordeaux（波尔多大学）；CNRS（法国国家科学研究中心）
限定词短语的语义，无论是定指、不定摹状词还是量化名词短语，通常被认为是一个完全解决的问题：普通名词是属性，限定词是适用于两个谓词的广义量词：对应于普通名词的属性和对应于动词短语的属性。我们首先提出了一个批评这种标准的观点。首先，限定词的语义不遵循句子的句法结构。第二，不定冠词的标准解释不能适用于名词性句子。第三，标准观点忽略了广义量词的两个属性之间的语言不对称性。在续集中，我们提出了一个丰富的类型系统，我们最初开发的词汇语义，使用许多排序的逻辑语义表示的希尔伯特术语的决定词和量词的治疗。我们提出了这个语义框架称为蒙塔古生成词典，并显示这些条款如何更好地匹配的句法结构，避免了上述问题的标准方法。希尔伯特项与选择函数的不同之处在于，每个公式都有一个多态算子而不是一个算子。它们还在意义组装逻辑、处理组合性的类型化λ演算和语义表示的多排序逻辑之间建立了有趣的联系。此外，语义项自然地引入了类型判断，并证实了类型判断是一种预设形式的主张。
2014-06-18 cs.AI cs.CL cs.LO
PiC: A Phrase-in-Context Dataset for Phrase Understanding and Semantic Search
Auburn University（奥本大学）；Adobe Research（奥多比研究院）
虽然上下文化的词嵌入已经是一个事实标准，但学习上下文化的短语嵌入却很少被探索，并且由于缺乏人类注释的基准而受到阻碍，该基准测试机器对给定上下文句子或段落（而不是单独的短语）的短语语义的理解。为了填补这一空白，我们提出了PiC --一个包含约28 K名词短语及其上下文维基百科页面的数据集，以及一套用于训练和评估短语嵌入的三个任务。PiC上的训练提高了排名模型的准确性，并显著推动了跨度选择（SS）模型（即，预测目标短语的开始和结束索引）接近人类的准确性，其在给定查询短语和段落的语义搜索上为95%的精确匹配（EM）。有趣的是，我们发现证据表明，这种令人印象深刻的表现是因为SS模型学习更好地捕捉短语的共同含义，而不管其实际上下文。SotA模型在区分两个上下文中同一短语的两个含义（约60%EM）和估计同一上下文中两个不同短语之间的相似性（约70%EM）方面表现不佳。
2023-02-02 cs.AI cs.CL
A Systematic Comparison of English Noun Compound Representations
Bar-Ilan University（巴伊兰大学）
构建名词复合词的有意义的表示并不是一件小事，因为它们中的许多很少出现在语料库中。为此，合成函数通过组合其成分分布向量来近似名词复合物的分布表示。在更一般的情况下，短语嵌入是通过最小化表示释义的向量之间的距离来训练的。我们通过一系列的任务和分析，并与大量的底层词嵌入，比较各种类型的名词复合表示，包括分布，成分，和基于释义的表示。我们发现，事实上，在大多数情况下，组合函数产生更高质量的表示比分布的，他们提高了计算能力。没有一个函数在所有情况下都表现最好，这表明联合训练目标可能会产生更好的表示。
2019-06-11 cs.CL
Countability and Number in Japanese-to-English Machine Translation
本文提出了一种启发式的方法，利用日语文本中的信息，随着知识的英语可数性和数量存储在转移字典，以确定英语名词短语的可数性和数量。将该方法应用到机器翻译系统ALT-J/E中，正确使用冠词和数字的名词短语的生成率从65%提高到73%。
1995-11-03 cmp-lg cs.CL
Video In Sentences Out
Purdue University（普渡大学）；University of Toronto（多伦多大学）；University of South Carolina（南卡罗来纳大学）
我们提出了一个系统，产生视频的基本描述：谁对谁做了什么，他们在哪里和如何做到这一点。动作类被渲染为动词，参与者对象作为名词短语，这些对象的属性作为形容词修饰语在这些名词短语，这些参与者之间的空间关系作为介词短语，和事件的特点作为介词短语修饰语和状语修饰语。提取渲染这些语言实体所需的信息需要一种事件识别方法，该方法可以恢复对象轨迹、轨迹到角色的分配以及改变身体姿势。
2014-08-09 cs.CL cs.CV cs.IR
Towards Understanding Language through Perception in Situated Human-Robot Interaction: From Word Grounding to Grammar Induction
Ritsumeikan University（立命馆大学）
机器人在不同的任务中与人类用户广泛合作，这些任务需要高水平的认知功能，使它们能够发现周围的环境。我们在这篇短文中强调的一个困难的挑战是推断语言的潜在语法结构，其中包括基础词性（例如，动词、名词、形容词和介词），并对短语进行组合范畴语法（CCG）归纳。这为基础短语铺平了道路，以便使机器人能够在交互过程中适当地理解人类指令。
2020-03-13 cs.AI cs.CL
Integrating Gricean and Attentional Constraints
本文探讨了语篇回指名词短语的生成和理解。我提出的所有话语回指名词短语（N=1,233）在语料库中的十个叙事独白，在一个明确的代词或短语NP之间的选择在很大程度上符合格赖斯的限制信息的分析结果。我讨论戴尔和赖特的[出现]最近的模型，并显示它如何可以被增强的理解，以及产生的数据范围在这里。我认为，整合中心[Grosz等人，1983] [Kameyama，1985]用这个模型可以统一地应用于语篇回指代词和短语NP。最后，我提出了一个假设，以解决本地和全球话语处理之间的相互作用。
1995-05-19 cmp-lg cs.CL
Classifier Assignment by Corpus-based Approach
本文提出了一种为名词选择合适的量词的算法。在泰语中，无论是从整个语言群体的角度还是从说话人的角度来看，对一个具体名词的量词的选择都是有波动性的。基本上，分类器的选择没有一个严格的规则。在基于规则的方法中，我们所能做的就是给出一个默认规则来提取每个名词的相应分类器。每个名词的量词注册仅限于单位量词的类型，因为由于表示的含义，其他类型是开放的。我们提出了一种基于语料库的方法（Biber，1993; Nagao，1993; Smadja，1993），该方法产生名词分类器关联（NCA）来克服名词短语的分类器分配和语义构建问题。NCA是从一个大型语料库中统计创建的，并根据概念层次约束和出现频率进行重组。
1995-10-07 cmp-lg cs.CL
The Two Word Test: A Semantic Benchmark for Large Language Models
University of South Carolina（南卡罗来纳大学）
本文提出开源双词语义基准TWT，通过1768个人类评分的名词组合测试LLM，发现GPT-4等模型仍显著落后于人类，提示其语义理解存在局限。
2023-06-07 cs.AI cs.CL
Open Knowledge Base Canonicalization with Multi-task Learning
School of Software, Shandong University（山东大学软件学院）；Laboratory for Big Data and Decision, National University of Defense Technology（国防科技大学大数据与决策实验室）；QuanCheng Laboratory（泉城实验室）
针对开放知识库规范化中聚类与知识图谱嵌入学习协同不足的问题，提出多任务学习框架MulCanon，利用扩散模型改进名词短语表示并统一子任务学习目标，取得有竞争力的规范化结果。
2024-03-21 cs.AI cs.CL cs.LG
Language Models Generalize to Human-like Word Order Preferences
University of Washington（华盛顿大学）
本研究发现不同规模的语言模型可从贫乏输入中泛化出类人的范围同态名词短语修饰语顺序偏好，且该偏好无法用点互信息解释。
2026-08-06 cs.CL
Computational Interpretations of the Gricean Maxims in the Generation of Referring Expressions
我们研究了生成作为适当指称表达的定指名词短语的问题，即：（1）成功地识别听话人的预期指称，同时（2）不向她传达任何虚假的会话含义（Grice，1975）。我们回顾了几种可能的计算解释的会话含义准则，不同的计算成本，并认为，最简单的可能是最好的，因为它似乎是最接近人类说话者做什么。我们详细描述了我们推荐的算法，以及主机系统必须提供的资源，以利用该算法的规范，并在IDAS系统的自然语言生成组件中使用的实现。这篇论文将发表在1995年4 - 6月的《认知科学》杂志上，并在该杂志的出版商Ablex的许可下在cmp-lg上提供。
1995-04-26 cmp-lg cs.CL
Is analogy enough to draw novel adjective-noun inferences?
Harvard University（哈佛大学）；Boston University（波士顿大学）
针对新颖形容词-名词推断，本文构建词汇相似性类比模型并开展人类实验，发现类比只能解释部分数据，证明人类与LLM的泛化机制不能完全归结为类比，可能包含组合性。
2025-05-14 cs.CL
A Statistical Comparison of Some Theories of NP Word Order
语言类型学的一个常见研究对象是名词短语中成分{指示、形容词、数词、名词}的顺序。我们的目标是预测这些命令在不同语言中的相对频率。在这里，我们使用泊松回归来统计比较这种变化的一些突出的帐户。我们比较了Cinque（2005）的特征系统与Cysouw（2010）和Dryer（准备中）的特征系统。在这种情况下，我们没有找到更喜欢Cinque（2005）或Dryer（准备中）模型的明确理由，但我们发现这两个模型都比Cysouw（2010）的模型更好地拟合类型数据。
2017-09-08 cs.CL
Word Tagging with Foundational Ontology Classes: Extending the WordNet-DOLCE Mapping to Verbs
University of Passau（帕绍大学）
语义标注是处理大规模词汇信息的基础，它将信息映射到一组可分类的类别，在这些类别上可以应用规则和算法，基础本体类可以用作此类任务的正式类别集。之前WordNet名词同义词集和DOLCE之间的对齐为基于本体的注释提供了一个起点，但在NLP任务中，动词也非常重要。这项工作提出了一个扩展的WordNet-DOLCE名词映射，对齐动词根据其链接到名词表示perdurants，转移到动词的DOLCE类分配给名词，最好代表该动词的出现。为了评估这个资源的有用性，我们实现了一个基于基础本体的语义注释框架，它为文本中的每个单词或短语分配了一个高级基础类别，并将其与类似的注释工具进行了比较，准确率提高了9.05%。
2018-06-20 cs.CL
Geschlechtsübergreifende Maskulina im Sprachgebrauch Eine korpusbasierte Untersuchung zu lexemspezifischen Unterschieden
本研究通过语料库分析，揭示了德国新闻文本中通用男性用法在不同词类中的词特异性差异，为心理语言学研究提供了实证依据。
2025-12-15 cs.CL
Do LSTMs See Gender? Probing the Ability of LSTMs to Learn Abstract Syntactic Rules
University of Bristol（布里斯托大学）；National Research University Higher School of Economics（高等经济学院国立研究大学）
经过下一个词预测训练的LSTM可以准确地执行需要跟踪长距离语法依赖关系的语言任务。值得注意的是，模型精度接近人类在数字一致性任务上的表现（Gulordava等人，2018年）。然而，我们没有一个机械的理解LSTM如何执行这样的语言任务。LSTM是学习抽象的语法规则，还是依赖简单的语法？在这里，我们测试性别协议在法国，这需要跟踪两个层次的句法结构和词汇单位的固有性别。我们的模型能够可靠地预测长距离性别协议在两个主谓语境：名词形容词和名词被动动词协议。该模型显示，与单数情况相比，具有性别吸引子的复数名词短语更不准确，这表明依赖于性别文章的线索来达成协议。总的来说，我们的研究强调了LSTM偏离人类行为的关键方式，并质疑LSTM是否真正学习抽象的句法规则和类别。我们建议使用性别一致性作为一个有用的探针来研究LSTM语言模型的潜在机制、内部表示和语言能力。
2022-10-31 cs.AI cs.CL cs.LG
Comparing of Term Clustering Frameworks for Modular Ontology Learning
LS2N（LS2N实验室）；Polytech’Nantes（南特大学综合理工学院）
本文的目的是利用术语聚类，建立一个模块本体，根据核心本体的特定领域的文本。语义知识的获得主要集中在句子中与动词或其介词组合具有相同句法角色的名词短语。从上下文出发构造共生矩阵，建立名词短语的特征空间，然后将其转化为包括特征选择和降维在内的多种编码表示。此外，本文还介绍了词向量的构建。这些表示分别用K-Means和Affinity Propagation（AP）方法进行聚类，它们区分为术语聚类框架。由于K-Means的随机性，采用迭代努力来寻找最优参数。该框架进行了广泛的评估，其中AP显示出显着的有效性，共同出现的条款和NMF编码技术是突出的，其有前途的设施，在特征压缩。
2019-01-25 cs.CL cs.IR
ARKref: a rule-based coreference resolution system
Carnegie Mellon University（卡内基梅隆大学）；Educational Testing Service（教育考试服务中心）
ARKref是一个名词短语共指的工具。它是一个确定性的、基于规则的系统，使用来自成分分析器的语法信息和来自实体识别组件的语义信息。它的架构基于Haghighi和Klein（2009）的工作。ARKref最初写于2009年。在撰写本文时，最后一个发布的版本是在2011年3月。本文档描述了该版本，该版本是开源的，可在http://www.ark.cs.cmu.edu/ARKref上公开获取
2013-10-08 cs.CL
Comparing human and LLM proofreading in L2 writing: Impact on lexical and syntactic features
LCR-ADS Lab, Linguistics, University of Oregon（俄勒冈大学语言学系LCR-ADS实验室）；West University of Timisoara（蒂米什瓦拉西大学）；Gyeongin National University of Education（京仁国立教育大学）
本研究比较了人类与三个LLM在二语写作校对中的词汇和句法干预，发现两者均提升二元组词汇特征，但LLM采用更具生成性的方式广泛重构词汇与句法，且跨模型一致性高。
2025-06-11 cs.CL
Combining a self-organising map with memory-based learning
基于记忆的学习（MBL）在基于语料库的自然语言处理（NLP）任务中取得了相当大的成功，因此是构建基于语料库的NLP系统时获得高水平性能的可靠方法。然而，MBL存在一个瓶颈，即任何新的测试项目都必须与记忆库中的所有训练项目进行比较。由于这个原因，人们对各种形式的记忆编辑产生了一些兴趣，从而采用某种选择记忆库子集的方法来减少比较的次数。本文探讨了使用修改后的自组织映射（SOM）选择一个子集的记忆项目进行比较。该方法涉及将比较的数量减少到与训练项目数量的平方根成比例的值。该方法在华尔街日报语料库中的基本名词短语识别上进行了测试，使用第15至18节进行训练，第20节进行测试。
2001-07-15 cs.CL
