ACLFeb, 2017

一个词对应一个表达形式 - 是否对组合有意义？

PDF
TL;DR本文考察了是否需要先验消除词义歧义，或者词在上下文中可以通过组合来消除歧义。我们评估了现成的单向量和多感知向量模型在基准短语相似性任务和词义判别的新任务中的表现。我们发现，单向量模型的性能比多感知向量模型好，尽管其组成单元表示可能不太规整。此外，我们的研究结果表明，像点对点加法这样的简单组合函数能够从单一向量模型中很好地恢复感官相关信息。
发现论文，激发创造
  • 生成词义表示的简单高效方法

    本文介绍了一种简单的模型，它可以代表多义词的不同含义，有效地区分单词的语义，并保证计算效率。

    Dec, 2014

  • 针对深度组合模型的语法感知多义词嵌入

    本研究详细介绍了一个基于丰富的单词嵌入的组成分布式框架，旨在促进句子中单词之间的交互，并使用环境中的句法信息来增强向量。研究结果表明，该框架在 MSRPar 任务上取得了具有代表性的结果。

    Aug, 2015

  • 从词到义项嵌入：对意义向量表示的调查

    此研究综述了分布式语义表示的理论背景，介绍了从单词级别向更精细的词义级别转化的方法，并提供了对两种主要分支进行的广泛技术概述；最终，对其重要方面进行了分析与评估。

    May, 2018

  • 多义性的几何学

    本文提出了一种三倍增的方法来进行无监督的多义词建模，其中使用低秩子空间来表示包含目标单词的句子，通过对表示的格拉斯曼几何进行聚类算法对目标单词的不同义项进行消歧辨别，最后基于英文维基百科语料库得出了多个词和词义对的表示，这些算法在标准意义识别和消歧辨别数据集上带来了新的最佳成果。

    Oct, 2016

  • 基于主题模型的多义词嵌入

    该文提出了一种基于主题模型的 skip-gram 方法来学习多原型词嵌入，同时介绍了一种修剪嵌入的方法，用于代表每个主题中每个单词的概率表示， 并将我们的嵌入用于展示它们可以强烈地捕获上下文和词汇相似性，并优于各种最先进的实现。

    Sep, 2019

  • 学习多义词嵌入的混合模型

    使用混合模型来学习多感知词嵌入，取得了比以前更好的效果。

    Jun, 2017

  • sense2vec - 一种快速准确的神经词嵌入词义消歧方法

    本篇论文提出了一种新的方法，基于监督式消歧，为每个单词建立多个嵌入向量，从而针对字面意思和文本语境对不同主题进行消歧，以及在神经依赖分析上具有更好的错误率表现。

    Nov, 2015

  • 评估句向量表示中的组成

    文章介绍了一种可以精确和控制地针对句向量中的组合含义信息的方法，利用一个专门的句子生成系统，创建遵循特定句法、语义和词汇约束条件的带注释的大型句子集。实验表明，这种方法能够从多种现有的句子表示模型中提取有用的信息，有助于理解这些系统对句子信息的捕获能力。

    Sep, 2018

  • 词义的线性代数结构及其在多义词中的应用

    本论文提出了一种技术，可以在词嵌入空间中对多义词词义进行线性分解，以及使用稀疏编码恢复指向这些词义的向量，并通过实证研究验证了该技术。

    Jan, 2016

  • 复述辅助的组合性模型

    本文提出了用自动提取的近义例子替代手工注释进行组合模型训练的方法，同时开发了一种上下文感知的短语组成能力评分模型，实验结果表明这些方法可以用于提高机器翻译系统的翻译质量。

    Jan, 2018