论文浅尝 | TaxoLLaMA: 用基于WordNet的模型来解决多个词汇语义任务（ACL2024）

文章预览

笔记整理：屠铭尘，浙江大学硕士，研究方向为知识图谱 论文链接：https://arxiv.org/abs/2403.09207 发表会议：ACL2024 1. 动机 探索LLM在解决经典词汇语义任务上的能力。 （1）本文假设：使用hypernym上位词（IS-A关系）来finetune模型，可以提升模型解决分类相关任务(taxonomy-related tasks)的能力。 （2）基本方法：建立了一个基于taxonomy、源于English WordNet的指令集，微调模型TaxoLLaMA。 本文探索的具体词汇语义任务： （1）Hypernym Discovery: 预测给定下位词的上位词。 （2）Taxonomy Enrichment: 在已有的分类(Taxonomy)中加入一个新的、正确的上位词。 （3）Lexical Entailment: 辨别两个短语对之间的语义关系，是否蕴含。 （4）Taxonomy Construction: 给定一系列领域专业词汇，提取词汇间的上位词-下位词关系，并建立专业领域分类(Taxonomy) 图1 本文所探究的四种词汇语义任务概要 2. 贡献 ………………………………