本研究提出了一种名为SeLIP的对比学习框架，旨在解决医学图像分析中的标注数据不足问题。通过结合图像和放射学发现，增强了对比学习。实验结果表明，该模型在图像-文本检索、分类和图像分割等任务中表现优异，强调了文本相似性在医学图像基础模型构建中的重要性。

本研究探讨了互文性在文学研究中的不足，利用计算文学方法分析了12000部法语小说，揭示了子类型和经典对文本相似性及文学演变的重要影响。

本文介绍了一种新的跨语言文件嵌入方法Cr5，通过跨语言降维回归将文档嵌入到统一的向量空间中，从而提升跨语言文档检索的性能。同时，提出了多视角文档表示学习框架和基于aspect的文本相似性测度，解决了文档连贯性差的问题，增强了检索模型的效率和准确性。

本研究提出了一种基于知识库的多模态对话模型，结合音频和文本信息，显著提高了文本相似性测量的准确性，并降低了错误率。同时，探索了无需触发短语的交互方式，提升了语音识别的准确性。