PulseAugur
中
实时 12:47:03
English(EN) ttda704 at SemEval-2026 Task 4: Modeling Narrative Structures via Pseudonymization and Multi-View Sentence Alignment

研究人员详细介绍用于 SemEval-2026 任务的叙事相似性模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员展示了他们针对 SemEval-2026 Task 4 的方法，重点关注叙事故事相似性和叙事表示学习。他们的解决方案采用对比学习和微调的句子 Transformer 来识别基于抽象主题、动作和结果的叙事相似性。该系统包含两个管道：一个使用单一视图和智能层冻结来防止过拟合，另一个采用多视图方法，分别使用专门的投影头和自监督对齐来建模主题、情节和结果。 AI

排序理由 该集群包含一篇详细介绍特定 NLP 任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Tai Tran Tan, An Dinh Thien ·

    ttda704 at SemEval-2026 Task 4: Modeling Narrative Structures via Pseudonymization and Multi-View Sentence Alignment

    arXiv:2606.15783v1 Announce Type: new Abstract: We present our approach to SemEval 2026 Task 4: Narrative Story Similarity and Narrative Representation Learning. Our solution uses contrastive learning with fine-tuned sentence transformers to capture narrative similarity across ab…

相关实体

相关话题