Слабо ответить: Слабо ответить? — 23 ответа на форуме Woman.ru

9 манипуляций, которые руководители применяют к сотрудникам — Work.ua

Вы уверены, что вами не манипулируют? Проверьте приёмы, которые применяют работодатели на работе.

Манипулятивные методы влияния на людей остаются излюбленными на работе. Если руководитель хорошо изучил коллег и подчиненных, а также их типичные реакции, то может с легкостью получать желаемое. Одно дело, когда вы осознанно подчиняетесь манипуляциям, совсем другое — когда вы даже не подозреваете об обмане.

Work.ua публикует самые распространенные манипулятивные приёмы, которые можно встретить на работе. Проверьте, знакомы ситуации?

Манипулятивные приёмы

Часто эти реакции родом из детства, поэтому в основе наиболее эффективных манипулятивных приёмов лежат типичные фразы, которые когда-то произносили родители. Схожесть легко можно увидеть на примерах.

1. Давление на жалость

В детстве: «Ты собираешься на вечеринку, а бабушка плохо себя чувствует! Останься дома, поухаживай за ней, больше некому».

Сейчас: «Конечно, вы сейчас в отпуске, но у нас намечается очень важный проект, и без вас тяжело будет выполнить всё качественно. Получится вечером выйти в скайп?»

Согласно теории Эрика Берна в таком послании на явном уровне общаются двое коллег–«взрослых», а на скрытом — начальник становится на позицию «ребёнка», который просит «родителя» помочь ему. Редко кто упустит возможность почувствовать себя спасителем в такой ситуации. Чувство собственной значимости — одна из самых ненасыщаемых человеческих потребностей.

2. Игра на чувстве вины

В детстве: «Как безответственно с твоей стороны идти на вечеринку, когда бабушке плохо! Мы из сил выбиваемся, а тебе лишь бы развлекаться!»

Сейчас: «Вы и так в отпуске, а у нас горячий сезон, у вас получится хотя бы в скайп выйти?»

Ситуация та же, но послание другое. В этом случае позиция начальника родительская, а подчинённому достаётся роль «ребёнка», непослушного и виноватого. Конечно, чтобы заслужить любовь и признание «родителя», «ребёнок» откажется от удобного времени отпуска, выйдет сверхурочно и будет пахать за троих.

3. Сравнение

В детстве: «Маша на одни пятёрки учится, а у тебя даже по рисованию четвёрка!», и в обратную сторону: «Ну и что, что все списывали, а если все с крыши прыгать будут?»

Сейчас: «Ваши показатели хуже всех в отделе, вам следует больше стараться» или «Такую глупую ошибку иногда допускают неопытные сотрудники, но от вас я этого не ожидал!»

Ситуации оценивания и сравнения, когда они не в нашу пользу, крайне неприятны. Этот приём давно перестал быть тайным: доски «Лучший работник месяца» и утечки результатов ассессмента — тоже приёмы управления, основанные на сравнении. Конечно, всем хочется быть лучше прочих, сколько бы психологи, философы и любители глубокомысленных статусов в соцсетях ни утверждали, что сравнивать себя сегодня нужно только с собой вчера.

4. На слабо

В детстве: «Тебе никогда не поступить в этот вуз!»

Сейчас: «Клиент сомневается, похоже, не очень доверяет твоему опыту, может, поручить это кому-то другому?»

Хорошо работает с людьми, которые любят проявить себя в экстремальной ситуации. Когда всё спокойно и размеренно, они скучают, выполняют работу спустя рукава. Зато в ситуации форс-мажора они способны проявить свои лучшие качества. Скепсис со стороны начальства подстегнёт такого сотрудника всем назло доказывать свой профессионализм, упорство и целеустремлённость. Такой подход грубоват, поэтому руководители часто используют третье лицо, чтобы донести до сотрудника свои сомнения в его силах.

5. Лесть

В детстве: «Ты самый умный! Никто не сделает это лучше тебя!»

Сейчас: «Я не могу доверить это важное задание никому, кроме вас».

Создавая какой-то образ в глазах окружающих, мы хотим выглядеть целостной, непротиворечивой личностью и стараемся действовать последовательно. Чья-то вера и поддержка могут зарядить энергией и придать сил. Лесть к тому же может использоваться для навязывания своей точки зрения: «Вы же такой умный и понимаете, что самым лучшим вариантом было бы…».

Коммуникативные приёмы

Помимо открытой манипуляции, можно встретить еще и скрытую — так называемые коммуникативные приемы. Силу такого воздействия можно почувствовать не только на работе, а еще и в рекламе, при продажах и в других ситуациях.

1. Описательная похвала

Пример: «Вы отлично выступили с презентацией, нашли убедительную аргументацию, использовали разные источники, сразу видно, что потрудились».

Описательная похвала относится к приёмам, которые педагоги и психологи рекомендуют родителям. От обычной она отличается тем, что относится не столько к результату усилий (от похвалы за результат может появиться страх не достигнуть лучшего результата в будущем) и личности самого человека (я и так хорош, зачем мне ещё напрягаться?), но к тем усилиям, которые он приложил, чтобы достигнуть результата. Простого «Хорошо!» или «Молодец!» недостаточно, чтобы мотивировать сотрудника действовать в нужном направлении. А вот если описать конкретные действия, в следующий раз человек будет стараться ещё больше.

2. Вы-предложения

Пример: «Если вы будете придерживаться этого плана, сможете увеличить продажи на 30%».

Для налаживания эффективного рабочего диалога используют тактику «Вы-предложения», ведь человеку прежде всего интересен он сам и то, что он сможет получить. Психолог Алан Пиз называет это одним из принципов человеческой природы. Для сравнения — менее эффективная фраза: «Я разработал этот план и хочу внедрить его в работу, рассчитывая на 30-процентное увеличение продаж».

3. Принцип Бенджамина Франклина

Пример: «В прошлый раз вы выручили весь отдел, я так благодарен вам, можете взглянуть на этот отчёт и сказать своё мнение?»

Принцип Бенджамина Франклина гласит: охотнее нам навстречу идут те, кто уже оказывал помощь раньше. Из-за этого часто возникает ситуация, что больше срочной работы сваливается на более лояльных сотрудников. Однако есть и принцип взаимного обмена, который заключается в том, что хорошее действие в отношении кого-то рождает ответное желание сделать что-то хорошее.

4. В терминах цели

Пример: «В следующий раз, прежде чем отправить предложение, посмотрите похожие у других компаний, это позволит вам сделать наше предложение более конкурентоспособным».

Когда руководитель указывает на ошибки сотрудника или даёт какое-то задание, при этом говорит о цели, избегая частицы «не» и формулируя критерии достижения.

Это и есть самые распространенные приемы манипуляций. А теперь давайте подумаем вместе: если вы понимаете, что вами манипулируют, стоит ли доверять руководителю так же, как прежде? Вместе с риторическим вопросом-советом, Work.ua также советует разобраться со своими бессознательными установками и становиться менее чувствительными к простым манипуляциям.

Возможно, кому-то будет полезно перестать обманывать себя, быть увереннее в себе и научиться говорить «нет», чтобы перестать быть жертвой манипуляций. А тем, кому нравятся игры манипуляторов стоит напомнить, что жизнь без обмана проще, понятнее и экономит время.

По материалам: Секрет фирмы

---

Читайте нас в Telegram

---

Чтобы оставить комментарий, нужно войти.

Тест: Слабо ответить на 7 вопросов из школьного курса астрономии? Ustaliy.ru

in Тесты по астрономии

опубликовано Иван Пьянов

Астрономия способна раскрыть нам тысячелетние тайны многочисленных небесных тел. Некоторые интересные факты о космосе ждут вас в этом тесте, если вы их забыли, можете освежить их в памяти.

Узнайте больше!

• • Водород

• • Меркурий

  • Юпитер

• • Меркурий

  • Нептун

• • Юпитер

  • Венера

• • Аристарх Самосский

  • Николай Коперник

  • Галилео Галилей

Проверьте свои ответы:

Понравилось?

96 Баллов

Да Нет

астрономиятестшкольные знания

Не пропустите

• Тест: Откройте для себя свои астрономические знания

  Хотели бы вы отправиться в путешествие по звездам и открыть для себя все тайны космоса? Этот тест предназначен для тех, кто хочет узнать, насколько хорошо […] Больше

• Тест: Что интересного вы знаете об астероидах?

  Много ли вы знаете об астероидах? Проверьте своё знание астрономии с помощью теста. или поделиться: Подпишитесь на новости в VKонтакте, Одноклассниках и Telegram Пройти тест […] Больше

• Тест на знание Солнечной системы

  Проверьте, хорошо ли вы ориентируетесь в Солнечной системе. Для правильного ответа на эти вопросы достаточно базовых школьных знаний. Удачи! Пройти тест Вопрос из Начнём с […] Больше

• Тест для эрудитов: Много ли вы знаете о нашей планете?

  Земля… Такая милая, родная для всего человечества планета. Много ли мы знаем о ней? Да, много. А много ли того, чего мы не знаем о […] Больше

• Тест для эрудитов: Проверим твои знания про космос?

  В наше время всякому образованному человеку необходимо знать, что такое космос, и иметь представление о происходящих в космосе процессах. Давайте сверим космические часы? Удачи. Пройти […] Больше

• Что вы знаете о Марсе? Проверьте себя с помощью теста

  Проверьте, что вы знаете о тайнах Красной планеты? или поделиться: Подпишитесь на новости в VKонтакте, Одноклассниках и Telegram Пройти тест Пройти тест еще раз Проверьте […] Больше

• Тест по астрономии, пройти который сможет только знающий человек

  Астрономия – наука о Вселенной, изучающая расположение, движение, структуру, происхождение и развитие небесных тел и систем. Астрономия — древнейшая наука, но мы её изучали в […] Больше

• Только любители астрономии узнают все созвездия этого теста

  Знаете ли вы астрономию, и удастся ли вам верно назвать все созвездия? Проверьте себя с помощью теста. или поделиться: Подпишитесь на новости в VKонтакте, Одноклассниках […] Больше

• Проверь свои знания о космосе в этом интересном астрономическом тесте

  Мы многое знаем о нашей планете, но знаем ли, что происходит за ее пределами? В этом интересном и познавательном тесте для вас подобраны интересные факты […] Больше

• Тест: Знаешь ли ты что-то о вселенной, в которой живешь?

  Каждый человек должен иметь базовые представления о космосе, ведь он его часть. Мы поможем определить уровень ваших знаний в этой области. Проверьте себя с помощью […] Больше

• Много ли вы знаете о Венере? Проверьте себя с помощью теста

  Планета Венера является одной из планет Солнечной системы и давно вызывает большой интерес у землян. Может мы там скоро и побываем? Хорошо ли мы себе […] Больше

• Вы хорошо разбираетесь в звездах и планетах? Проверьте себя с помощью этого теста по астрономии

  Предлагаем вам проверить, что вы знаете о небесных телах. или поделиться: Подпишитесь на новости в VKонтакте, Одноклассниках и Telegram Пройти тест Пройти тест еще раз […] Больше

• Знаете ли вы созвездия на небе? Тест по астрономии

  Проверьте, как хорошо вы разбираетесь в созвездиях, пройдя следующий тест на знание астрономии. или поделиться: Подпишитесь на новости в VKонтакте, Одноклассниках и Telegram Пройти тест […] Больше

• Тест: Хорошо ли вы знаете элементарную астрономию и ориентируетесь в звёздном небе?

  Если вы часто смотрите на небо без романтической цели, то этот тест для вас. Знаете ли вы, что такое «зона обитаемости» и как далеко расположена […] Больше

• Насколько хорошо вы знакомы с астрофизикой и космологией?

  Для вас подготовили увлекательный тест по астрофизике и космологии. или поделиться: Подпишитесь на новости в VKонтакте, Одноклассниках и Telegram Пройти тест Пройти тест еще раз […] Больше

• Тест: Много ли вы знаете о космосе?

  Космос по-прежнему остается весьма популярной темой для разговоров, а многие и вовсе считают себя экспертами в этой области. Для вас подготовили небольшой тест, который позволит […] Больше

• Тест: 10 простых вопросов о космосе

  Проверьте свои знания о космосе. Сможете ли вы не ошибиться в элементарных вопросах? Проверим! Узнайте больше! Пройти тест Вопрос из Какое животное не было в […] Больше

• Тест: Как хорошо вы знаете астрономию?

  Любите и знаете астрономию? А как много вы знаете об этой науке? Давайте проверим! Удачи! Пройти тест Вопрос из Кто первым предположил, что Земля имеет […] Больше

• Тест: Что вы знаете о чёрных дырах?

  Уверены, что вам будет интересно пройти этот тест о черных дырах. или поделиться: Подпишитесь на новости в VKонтакте, Одноклассниках и Telegram Пройти тест Пройти тест […] Больше

• Тесты по астрономии: Затмения

  27 июля 2018 года, земляне наблюдали уникальное явление: полное затмение Луны. Луна «пережила» разные состояния: она приобретала «кровавый» оттенок, а почти на два часа была […] Больше

Подход к максимизации взаимной информации для решения проблемы ложного решения в слабо контролируемых ответах на вопросы

Zhihong Shao, Лифэн Шан, Цюнь Лю, Minlie Huang

---

Abstract

Ответы на вопросы со слабым наблюдением обычно имеют только окончательные ответы в качестве сигналов наблюдения, в то время как правильные решения для получения ответов не предоставляются. Этот параметр порождает проблему ложного решения: может существовать много ложных решений, которые по совпадению дают правильный ответ, но обучение таким решениям может повредить производительности модели (например, выдавая неправильные решения или ответы). Например, для дискретных логических задач, таких как DROP, может существовать множество уравнений для получения числового ответа, и обычно только одно из них является правильным. Предыдущие методы обучения в основном отфильтровывали ложные решения с помощью эвристики или использования достоверности модели, но явно не использовали семантические корреляции между вопросом и его решением. В этой статье, чтобы облегчить проблему ложного решения, мы предлагаем явно использовать такие семантические корреляции, максимизируя взаимную информацию между парами вопрос-ответ и предсказанными решениями. Обширные эксперименты с четырьмя наборами данных для ответов на вопросы показывают, что наш метод значительно превосходит предыдущие методы обучения с точки зрения выполнения задач и более эффективен при обучении моделей для получения правильных решений.

Идентификатор антологии:

2021.acl-long.318

Том:

Материалы 59-го Ежегодного собрания Ассоциации компьютерной лингвистики и 11-й Международной объединенной конференции по обработке естественного языка (Том 1: Длинные статьи)

Месяц:

Август

Год:

2021

Адрес:

Онлайн

Места:

ACL | IJCNLP

SIG:

Издатель:

Association for Computational Linguistics

Note:

Pages:

4111–4124

Language:

URL:

https://aclanthology. org/2021.acl-long.318

DOI:

10.18653/v1/2021.acl-long.318

Bibkey:

Cite (ACL):

Чжихун Шао, Лифэн Шан, Цюнь Лю и Минли Хуан. 2021. Подход к максимизации взаимной информации для проблемы ложного решения при слабо контролируемых ответах на вопросы. В Материалы 59-го ежегодного собрания Ассоциации компьютерной лингвистики и 11-й Международной совместной конференции по обработке естественного языка (Том 1: Длинные статьи) , страницы 4111–4124, онлайн. Ассоциация компьютерной лингвистики.

Процитируйте (неофициально):

Подход максимизации взаимной информации к проблеме ложного решения в ответах на вопросы со слабым контролем (Шао и др., ACL-IJCNLP 2021)

Копия цитирования:

PDF:

https://aclanthology.org/2021.acl-long.318.pdf

Видео:

https://aclanthology.org/2021.acl-long.318.mp4

Код

 ZhihongShao/MIMAX

Data

DROP, QUASAR, QUASAR-T, WebQuestions, WikiSQL

---

• BibTeX
• MODS XML
• Endnote
• Preformatted

 @inproceedings{shao-etal-2021- взаимный,
    title = "Подход к максимизации взаимной информации для решения проблемы ложного решения при слабо контролируемых ответах на вопросы",
    автор = "Шао, Чжихун и
      Шанг, Лифэн и
      Лю, Цюнь и
      Хуан, Минли",
    booktitle = "Материалы 59Ежегодное собрание Ассоциации компьютерной лингвистики и 11-я Международная совместная конференция по обработке естественного языка (Том 1: Длинные статьи)",
    месяц = ​​август,
    год = "2021",
    адрес = "Онлайн",
    издатель = "Ассоциация вычислительной лингвистики",
    url = "https://aclanthology. org/2021.acl-long.318",
    doi = "10.18653/v1/2021.acl-long.318",
    страницы = "4111--4124",
    abstract = "Слабо контролируемый ответ на вопрос обычно имеет только окончательные ответы в качестве сигналов наблюдения, в то время как правильные решения для получения ответов не предоставляются. Эта настройка приводит к проблеме ложного решения: может существовать много ложных решений, которые по совпадению дают правильный ответ. , но обучение таким решениям может ухудшить производительность модели (например, привести к неправильным решениям или ответам). Например, для дискретных логических задач, таких как DROP, может существовать много уравнений для получения числового ответа, и обычно только одно из них является правильным. , Предыдущие методы обучения в основном отфильтровывают ложные решения с помощью эвристики или использования достоверности модели, но явно не используют семантические корреляции между вопросом и его решением.В этой статье, чтобы облегчить проблему ложного решения, мы предлагаем явно использовать такие семантические корреляции максимизируя взаимную информацию между парами вопросов и ответов и предсказанными решениями.  эксперименты на четырех наборах данных с ответами на вопросы показывают, что наш метод значительно превосходит предыдущие методы обучения с точки зрения выполнения задач и более эффективен при обучении моделей для получения правильных решений».
}
 

 

<моды>
    <информация о заголовке>
        
    
    <название типа="личное">
        Чжихун
        Шао
        <роль>
            автор
        
    
    <название типа="личное">
        Жизнь
        Шан
        <роль>
            автор
        
    
    <название типа="личное">
        Кун
        Лю
        <роль>
            автор
        
    
    <название типа="личное">
        Минли
        Хуан
        <роль>
            автор
        
    
    <информация о происхождении>
        2021-08
    
    текст
    
        <информация о заголовке>
            
        
        <информация о происхождении>
            Ассоциация компьютерной лингвистики
            <место>
                Онлайн
            
        
        публикация конференции
    
    Ответы на вопросы со слабым контролем обычно содержат только окончательные ответы в качестве сигналов контроля, в то время как правильные решения для получения ответов не предоставляются.  Этот параметр порождает проблему ложного решения: может существовать много ложных решений, которые по совпадению дают правильный ответ, но обучение таким решениям может повредить производительности модели (например, выдавая неправильные решения или ответы). Например, для дискретных логических задач, таких как DROP, может существовать множество уравнений для получения числового ответа, и обычно только одно из них является правильным. Предыдущие методы обучения в основном отфильтровывали ложные решения с помощью эвристики или использования достоверности модели, но явно не использовали семантические корреляции между вопросом и его решением. В этой статье, чтобы облегчить проблему ложного решения, мы предлагаем явно использовать такие семантические корреляции, максимизируя взаимную информацию между парами вопрос-ответ и предсказанными решениями. Обширные эксперименты с четырьмя наборами данных с ответами на вопросы показывают, что наш метод значительно превосходит предыдущие методы обучения с точки зрения выполнения задач и более эффективен при обучении моделей для получения правильных решений. 
    shao-etal-2021-mutual
    10.18653/v1/2021.acl-long.318
    <местоположение>
        https://aclanthology.org/2021.acl-long.318
    
    <часть>
        <дата>2021-08
        <единица экстента="страница">
            4111
            4124
        
    


 

 %0 Материалы конференции
%T Подход к максимизации взаимной информации для проблемы ложного решения в ответах на вопросы со слабым контролем
%А Шао, Чжихун
%А Шанг, Лифэнг
%А Лю, Цюнь
%A Хуанг, Минли
%S Материалы 59-го ежегодного собрания Ассоциации компьютерной лингвистики и 11-й Международной объединенной конференции по обработке естественного языка (Том 1: Длинные статьи)
%D 2021
%8 августа
%I Ассоциация компьютерной лингвистики
%С онлайн
%F шао-этал-2021-взаимный
%X Ответы на вопросы со слабым контролем обычно содержат только окончательные ответы в качестве сигналов контроля, в то время как правильные решения для получения ответов не предоставляются.  Этот параметр порождает проблему ложного решения: может существовать много ложных решений, которые по совпадению дают правильный ответ, но обучение таким решениям может повредить производительности модели (например, выдавая неправильные решения или ответы). Например, для дискретных логических задач, таких как DROP, может существовать множество уравнений для получения числового ответа, и обычно только одно из них является правильным. Предыдущие методы обучения в основном отфильтровывали ложные решения с помощью эвристики или использования достоверности модели, но явно не использовали семантические корреляции между вопросом и его решением. В этой статье, чтобы облегчить проблему ложного решения, мы предлагаем явно использовать такие семантические корреляции, максимизируя взаимную информацию между парами вопрос-ответ и предсказанными решениями. Обширные эксперименты с четырьмя наборами данных для ответов на вопросы показывают, что наш метод значительно превосходит предыдущие методы обучения с точки зрения выполнения задач и более эффективен при обучении моделей для получения правильных решений. 
%R 10.18653/v1/2021.acl-long.318
%U https://aclanthology.org/2021.acl-long.318
%U https://doi.org/10.18653/v1/2021.acl-long.318
%Р 4111-4124
 

Уценка (неофициальная)

[Подход к максимизации взаимной информации для решения проблемы ложного решения в слабо контролируемых ответах на вопросы] (https://aclanthology.org/2021.acl-long.318) (Shao et al., ACL- IJCNLP 2021)

• Подход максимизации взаимной информации к проблеме ложного решения при слабо контролируемых ответах на вопросы (Shao et al., ACL-IJCNLP 2021)

ACL

• Zhihong Que, Liu Shang, and Minlien Shao, Liu Shang, and Minlien Shao Хуанг. 2021. Подход к максимизации взаимной информации для проблемы ложного решения при слабо контролируемых ответах на вопросы. В Материалы 59-го ежегодного собрания Ассоциации компьютерной лингвистики и 11-й Международной совместной конференции по обработке естественного языка (Том 1: Длинные статьи) , страницы 4111–4124, онлайн. Ассоциация компьютерной лингвистики.

Ответы на открытые вопросы с использованием слабо контролируемых моделей встраивания

1. Банко, М., Брилл, Э., Дюме, С., Лин, Дж.: Askmsr: Ответы на вопросы с использованием всемирной сети. В: Материалы весеннего симпозиума AAAI 2002 г. по добыче полезных ископаемых. Ответы из текстов и баз знаний (2002 г.)

   Google Scholar

2. Bengio, Y., Ducharme, R., Vincent, P., Jauvin, C.: Модель нейровероятностного языка. Journal of Machine Learning Research 3, 1137–1155 (2003)

   МАТЕМАТИКА Google Scholar

3. Берант Дж., Чоу А., Фростиг Р., Лян П.: Семантический анализ на Freebase пар вопрос-ответ. В: Материалы конференции 2013 г. по эмпирическим методам обработки естественного языка (октябрь 2013 г.)

   Google Scholar

4. «>

   Боллакер, К., Эванс, К., Паритош, П., Стердж, Т., Тейлор, Дж.: Freebase: совместно созданная графовая база данных для структурирования человеческих знаний. В: Материалы Международной конференции ACM SIGMOD 2008 г. по управлению данными. АКМ (2008)

   Google Scholar

5. Бордес А., Глорот X., Уэстон Дж., Бенжио Ю.: Совместное изучение слов и представлений значений для семантического анализа открытого текста. В: Учеб. 15-го междунар. конф. на Артифе. Интел. и Stat., vol. 22. JMLR W&CP (2012)

   Google Scholar

6. Кай, К., Йейтс, А.: Крупномасштабный семантический анализ посредством сопоставления схем и расширения словарного запаса. В: Материалы 51-го ежегодного собрания Ассоциации компьютерной лингвистики. Длинные статьи, том. 1 (август 2013 г.)

   Google Scholar

7. «>

   Коллоберт Р., Уэстон Дж., Боттоу Л., Карлен М., Кавукчуоглу К., Кукса П.: Обработка естественного языка (почти) с нуля. Журнал исследований машинного обучения 12 2493–2537 (2011)

   МАТЕМАТИКА Google Scholar

8. Дучи, Дж., Хазан, Э., Сингер, Ю.: Адаптивные субградиентные методы для онлайн-обучения и стохастической оптимизации. Журнал исследований машинного обучения 12 (2011 г.)

   Google Scholar

9. Фейдер, А., Содерланд, С., Эциони, О.: Выявление отношений для извлечения открытой информации. В: Материалы конференции по эмпирическим методам обработки естественного языка (EMNLP 2011), Эдинбург, Шотландия, Великобритания, 27-31 июля (2011)

   Google Scholar

10. Фейдер, А., Зеттлемойер, Л., Эциони, О.: Обучение на основе перефразирования для ответов на открытые вопросы. В: Материалы 51-го ежегодного собрания Ассоциации компьютерной лингвистики, София, Болгария, стр. 1608–1618 (2013)

    . Google Scholar

11. Фейдер, А., Зеттлемойер, Л., Эциони, О.: Ответы на открытые вопросы в курируемых и извлеченных базах знаний. В: КДД (2014)

    Google Scholar

12. Хоффманн, Р., Чжан, К., Линг, X., Зеттлемойер, Л., Велд, Д.С.: Слабое наблюдение, основанное на знаниях, для извлечения информации о перекрывающихся отношениях. В: Материалы 49-го ежегодного собрания Ассоциации компьютерной лингвистики: технологии человеческого языка, том. 1 (2011)

    Google Scholar

13. Квятковски Т., Чой Э., Арци Ю., Зеттлемойер Л.: Масштабирование семантических синтаксических анализаторов с оперативным сопоставлением онтологий. В: Материалы конференции 2013 г. по эмпирическим методам обработки естественного языка (октябрь 2013 г.)

    Google Scholar

14. Квок, К., Этциони, О., Велд, Д.С.: Ответ на вопрос о масштабировании в Интернете. ACM Transactions on Information Systems (TOIS) 19(3) (2001)

    Google Scholar

15. Лао, Н., Субраманья, А., Перейра, Ф., Коэн, В.В.: Чтение Интернета с изученными правилами синтаксико-семантического вывода. В: Труды совместной конференции 2012 г. по эмпирическим методам обработки естественного языка и компьютерного обучения естественному языку (2012 г.)

    Google Scholar

16. Леманн Дж., Изеле Р., Якоб М., Дженцш А., Контокостас Д., Мендес П.Н., Хеллманн С., Морси М., ван Клиф П., Ауэр , С., Бизер, К.: DBpedia — масштабная многоязычная база знаний, извлеченная из Википедии. Семантический веб-журнал (2014)

    Google Scholar

17. Минц, М., Биллс, С., Сноу, Р., Джурафски, Д.: Дистанционное наблюдение за извлечением отношений без размеченных данных. В: Учеб. конференции 47-го ежегодного собрания ACL (2009 г.)

    Google Scholar

18. Помикалек, Дж., Якубичек, М., Рыхлу, П.: Создание корпуса из 70 миллиардов слов английского языка из подсказок. В: LREC, стр. 502–506 (2012)

    Google Scholar

19. Рехт, Б., Ре, К., Райт, С.Дж., Ниу, Ф.: Хогвильд!: Подход без блокировки к распараллеливанию стохастического градиентного спуска. В: Достижения в системах обработки нейронной информации (NIPS 24) (2011)

    Google Scholar

20. Ридель, С., Яо, Л., МакКаллум, А. , Марлин, Б.М.: Извлечение отношений с помощью матричной факторизации и универсальных схем. В: Труды NAACL-HLT (2013)

    Google Scholar

21. Сочер, Р., Перелыгин, А., Ву, Дж. Ю., Чуанг, Дж., Мэннинг, К. Д., Нг, А. Ю., Поттс, К.: Рекурсивные глубокие модели для семантической композиционности в банке дерева настроений. В: Труды конференции по эмпирическим методам обработки естественного языка (EMNLP) (2013)

    Google Scholar

22. Унгер, К., Бюманн, Л., Леманн, Дж., Нгонга Нгомо, А.С., Гербер, Д., Чимиано, П.: Ответ на вопрос на основе шаблона по данным rdf. В: Материалы 21-й Международной конференции по всемирной паутине (2012 г.)

    Google Scholar

23. Вурхиз, Э.М., Тайс, Д.М.: Создание набора тестов для ответов на вопросы. В: Материалы 23-й ежегодной международной конференции ACM SIGIR по исследованиям и разработкам в области информационного поиска.