课题基金 / 基金详情

基于定义性数据的预训练语言模型词汇语义增强技术

批准号:
62176002
项目类别:
面上项目
资助金额:
57.0 万元
负责人:
孙栩
依托单位:
学科分类:
自然语言处理
结题年份:
2025
批准年份:
2021
项目状态:
已结题
项目参与者:
张艺、张之远、任宣丞、高润东、亓宗帅、李磊、赵亮

项目摘要

结项摘要

孙栩的其他基金

相似基金

相关文献

中文摘要
大规模预训练语言模型技术触发了一系列突破性进展。然而,在实际场景中,这类模型常暴露出基础词汇语义理解方面的盲区,极大程度上限制了其更进一步的应用。有效增强预训练模型词汇语义能力是当前研究中的重要挑战。为从根源上规避现有基于通用数据训练的方法在数据覆盖、统计学习和汇报偏差方面的根本缺陷,本项目拟在保持端到端式框架的同时,利用定义性数据来增强预训练语言模型词汇语义理解能力。主要研究内容如下:(1)建立全新的使用定义性数据的预训练模型词汇语义增强范式,摆脱通用语料的统计性限制和知识库的质效困境;(2)构建简明端到端式的词汇语义增强的预训练模型,克服传统基于知识表示学习的词义增强中错误累积问题;(3)强化预训练语言模型多层次、多模态的词汇语义理解能力,从简练精确的词典释义、综合全面的百科释义、有形具象的多模态释义三个层次出发强化预训练语言模型的词汇语义理解能力。
英文摘要
Large-scale pre-trained language models have enabled a series of breakthroughs. However, in real-world scenarios, such models often expose deficiencies in basic understanding of lexical semantics, limiting its full potential in application. Enhancing lexical semantics in pre-trained language models has become a vital challenge in recent research. To overcome the fundamental weaknesses in general data in terms of data coverage, statistical learning, and reporting bias, the applicant proposes to make use of the definitional data to enhance the lexical semantics in pre-trained language models, maintaining the end-to-end framework. The main areas of research include: (1) Establish a novel paradigm of enhancement of lexical semantics in pre-trained language models with definitional data, breaking away from the frequence-constraints in general data and the quality-quantity dilemma in knowledge-bases; (2) Construct concise, end-to-end, lexical semantics-enhanced pre-trained language models and, overcoming the error propagation in conventional lexical semantics-enhancement with knowledge representation learning; and (3) Comprehensively promote lexical semantics in pre-trained language models from the multi-layer and the multi-modal perspective, from compact dictionary definitions to rich encyclopedia definitions to tangible visual definitions.
大规模预训练语言模型技术触发了一系列突破性进展。在实际场景中,这类模型常暴露出基础词汇语义理解方面的盲区,限制了其更进一步的应用。有效增强预训练模型词汇语义能力是当前研究中的重要挑战。为规避现有基于通用数据训练的方法在数据覆盖、统计学习和汇报偏差方面的根本缺陷,本项目在保持端到端式框架的同时,利用定义性数据来增强预训练语言模型词汇语义理解能力。项目取得了较好的研究进展,很好地实现了研究目标,在大模型的预训练方面取得了突出的效果改进。实验结果表明我们提出的方法相比于其他很强的基线模型,大幅提升了挖掘深度常识知识的表现。进一步的分析也验证了我们方法的有效性。我们的相关工作发表在本领域的高水平SCI期刊和本领域国际顶级会议,包括AAAI,IJCAI,ACL等。其中发表于 EMNLP 2023 的论文 Label Words are Anchors: An Information Flow Perspective for Understanding In-Context Learning 获得了EMNLP最佳论文奖。是当年被录用的 901篇长文中的唯一一篇最佳论文。
基于定义性数据的预训练语言模型词汇语义增强技术
  • 批准号:
    --
  • 项目类别:
    面上项目
  • 资助金额:
    57万元
  • 批准年份:
    2021
  • 负责人:
    孙栩
  • 依托单位:
针对语言成分省略问题的依存句法分析研究
  • 批准号:
    61673028
  • 项目类别:
    面上项目
  • 资助金额:
    61.0万元
  • 批准年份:
    2016
  • 负责人:
    孙栩
  • 依托单位:
多领域网络文本数据的自适应结构化分类方法研究
  • 批准号:
    61300063
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万元
  • 批准年份:
    2013
  • 负责人:
    孙栩
  • 依托单位:
国内基金
海外基金