基于语义词嵌入的文本分割

KDDMar, 2015

Text Segmentation based on Semantic Word Embeddings

Alexander A Alemi, Paul Ginsparg

TL;DR本研究探讨了在文本分割算法中应用语义单词嵌入的方法，包括 C99 分割算法和灵感来自分布式单词向量表示的新算法，并通过开发一个用于讨论一类分割目标的通用框架，研究了贪婪与精确优化方法的有效性，建议了一种新的迭代改进技术来提高贪婪策略的性能，将结果与已知基准进行比较并演示了我们的内容向量分割（CVS）在 Choi 测试集上的未经训练方法的最先进性能。最后，我们将分割过程应用于从 arXiv.org 数据库中提取的学术文献的野外数据集。

Abstract

We explore the use of semantic word embeddings in text segmentation algorithms, including the C99 segmentation algorithm and new algorithms inspired by the distributed word vector representation. By developing a general framework for discussing a class of segmentation objectives, we st

semantic word embeddings text segmentation algorithms general framework iterative refinement technique content vector segmentation

发现论文，激发创造

现有词嵌入方法的全面实证评估

本文通过对现有单词嵌入方法的特点和分类任务的分析，将单词嵌入方法划分为传统方法和基于神经网络的方法，揭示基于神经网络的单词表示方法相比于传统方法更能捕捉语言的语义和句法规律。实验验证了不同方法的性能差异。

Mar, 2023

基于语义概念嵌入的文本相似度估计

通过结合传统词嵌入和语义概念嵌入，基于多网语义网络形式化提出的语义概念嵌入（CE）能够提高预测目标群体的准确性。

Jan, 2024

使用通用和特定词嵌入来分类研究的翻译阶段

本文探讨使用无监督学习的方法，通过单词嵌入在词向量空间内学习语义相似性，以实现对文本分类任务的性能优化。研究发现，使用领域特定的词嵌入可以提高分类性能。

May, 2017

评估语义变化的句子嵌入模型的比较研究

分析语义变化的模式在长篇实际文本（如书籍或记录）中是有趣的，从文体、认知和语言的角度来看。这项研究也对应用领域，如文本分段、文档摘要和语义新颖性检测是有用的。本文通过时间序列的语义相似性以及多本文学作品的两两句子相似性矩阵比较了几种最近的句子嵌入方法。与以前使用目标任务和精心策划的数据集比较句子嵌入方法的研究不同，我们的方法提供了对方法在现实情境的评估。我们发现，大部分句子嵌入方法确实能够在给定文档中推断出高度相关的语义相似性模式，但也存在有趣的差异。

Aug, 2023

文字分类的词与标签联合嵌入

采用标签 - 词汇联合嵌入法和注意力机制的词嵌入模型，用于文本分类并保持了词嵌入的可解释性，同时提供了利用其他信息的能力。在多个大型文本数据集上实验表明，该方法在准确率和速度方面均优于现有最先进方法。

May, 2018

从图像到文本分类：一种基于聚类词嵌入的新方法

本文提出了一种基于聚类词向量的文本分类方法，使用 K 均值算法构建超级词向量表征，建立特定于类别的词汇表以提高性能，在主题分类和极性分类任务中表现优异。

Jul, 2017

模糊聚类中的词向量和有效性指标

本研究使用模糊聚类方法和进化算法优化实现的模糊聚类方法介绍，通过应用基于计数的单词嵌入在 covid 数据集上，研究表明模糊聚类算法对高维数据非常敏感且参数调整会大大改变其性能，我们通过比较不同算法变体的不同嵌入精度来评估实验结果。

Apr, 2022

利用词嵌入进行聚类的语言模型用于文本可读性评估

使用聚类方法基于词向量的语言模型，在一个更高语义空间中依据文本回归的特征表现显著优于之前的技术方案，同时具备与文档长度变化相关性自适应的能力。

Sep, 2017

基于细粒度词对齐的改进语义感知网络嵌入

该研究利用语义特征来匹配所有节点对的文本序列，提出了一种单词对齐框架，并通过简单有效的聚合函数积累对齐特征。实验发现，该模型在链接预测和多标签节点分类等下游任务中具有很大的优越性。

Aug, 2018

口语化 Word2Vec: 观点与技术

研究探讨了在使用 Word2Vec 算法时，当输入单元与声学相关时，如何无法编码分布语义。同时，对以文本为基础的嵌入进行自动词类聚类的简化方法也被忽视，而这正是该任务中真正的挑战所在。

Nov, 2023