基于模式的神经网络中的反义词和同义词判别
该论文提出了一种新的向量表示方法,将词汇对比整合到分布式向量中,并加强了确定词语相似度度量的最显著特征。改进后的向量模型明显优于标准模型,并且可以跨词类(形容词,名词,动词)将反义词从同义词中区分开来。此外,该论文还将词汇对比向量整合到跳字模型的目标函数中,改进后的嵌入能够超越现有最先进的模型,在预测 SimLex-999 中的词语相似度和区分反义词和同义词方面表现优异。
May, 2016
基于 InterlaCed Encoder NETworks 的反义词与近义词的区分方法,在词汇语义分析和自动词汇资源构建中具有较好效果,相对其他研究在准确性上提升了 1.8% 的 F1-measure 得分。
Jan, 2024
本文研究了向量空间模型在自然语言处理领域的一些应用,通过比较不同模型在 TOEFL 同义词检测中的效果,发现在计算分布相似度时,句法依赖可以更好地解释词汇语义,同时将人工语义知识注入到神经嵌入中可以显著提高同义词检测的效果。
Sep, 2022
该研究提出了一种基于语义标记的计算方法来分析语篇中的异议和让步关系,澄清了语言学中的词汇语义在引发语篇中显性和隐性关系方面的贡献,并探讨了不同词性在其中所扮演的角色,从而为语料库和计算语言学之间的研究架起了一座桥梁。
Aug, 2022
该论文提出了一种多环境下的同义词发现框架,使用分布式假设和神经网络模型 SYNONYMNET,从自由文本语料库中检测出实体的同义词,以提高实体消歧或知识图谱规范化等任务的效果和稳健性。
Dec, 2018
本文中,我们通过使用循环神经网络对依赖路径进行编码,提出了一种改进的基于路径的算法,可以有效检测 NLP 中的上下位关系,并且与分布式方法相当。 我们进一步将这种方法扩展到组合基于路径和分布式信号的方法,从而显着提高了检测上下位关系的准确性。
Mar, 2016