-
题名融合知识的多目标词联合框架语义分析模型
- 1
-
-
作者
陈旭东
郑策
常宝宝
-
机构
北京大学计算机学院多媒体信息处理国家重点实验室
北京大学软件与微电子学院
江苏师范大学江苏省语言能力协同创新中心
-
出处
《中文信息学报》
CSCD
北大核心
2024年第8期25-33,共9页
-
基金
国家自然科学基金(61936012)。
-
文摘
框架语义分析任务是自然语言处理领域的一项基础性任务。先前的研究工作大多针对单目标词进行模型设计,无法一次性完成多个目标词的框架语义结构提取。该文提出一个面向多目标的框架语义分析模型,实现对多目标词的联合预测。该模型对框架语义分析的各项子任务进行交互性建模,实现子任务间的双向交互。此外,该文利用关系图网络对框架关系信息进行编码,将其作为框架语义学知识融入模型中。实验表明,该文模型在不借助额外语料的情况下相比之前模型都有不同程度的提高。消融实验证明了该文模型设计的有效性。此外,该文分析了模型目前存在的局限性以及未来的改进方向。
-
关键词
框架语义分析
框架网络
-
Keywords
frame semantic parsing
FrameNet
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名生成,推理与排序:基于多任务架构的数学文字题生成
- 2
-
-
作者
曹天旸
许晓丹
常宝宝
-
机构
北京大学计算机学院多媒体信息处理全国重点实验室
北京大学软件与微电子学院
江苏师范大学江苏省语言能力协同创新中心
-
出处
《中文信息学报》
CSCD
北大核心
2024年第12期159-169,180,共12页
-
基金
国家自然科学基金(61936012,61876004)。
-
文摘
数学文字题是一段能反映数学等式潜在逻辑的叙述性文本。成功的数学问题生成在语言生成和教育领域都具有广阔的应用前景。前人的工作大多需要人工标注的模板或关键词作为输入,且未考虑数学表达式本身的特点。该文提出了一种多任务联合训练的问题文本生成模型。作者设计了三个辅助任务,包括数字间关系抽取、数值排序和片段替换预测。它们与生成目标联合训练,用以监督解码器的学习,增强模型对运算逻辑和问题条件的感知能力。实验证明,该文所提方法能有效提升生成的数学文字题的质量。
-
关键词
数学文字题生成
多任务学习
-
Keywords
math word problem generation
mutitask generation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
