Oct, 2017

利用蕴涵的分布式语义学学习上下位词的词嵌入

PDF
TL;DR该研究提出了一种基于向量空间的框架来对词汇包容性建模的分布语义模型，利用伪短语中邻近的两个词向量提出了一种隐向量，并探究了模拟词作为证据或词作为后验分布的优缺点。实验表明，所得到的词嵌入模型优于之前预测词之间下义词关系的最佳结果。
lexical entailmentdistributional semantic modelsword embeddingshyponymyvector-space modeling
发现论文，激发创造
  • 分布语义的向量空间用于蕴涵

    本文提出了一个基于向量空间的模型，通过平均场近似，发展了逼近推理程序和蕴涵操作，用于重新解释现有的分布式语义模型（Word2Vec），以近似预测词汇蕴涵关系，通过无监督和半监督实验，在下义词检测方面取得了显著的改进。

    Jul, 2016

  • 词汇语义增强的神经词向量

    通过深度度量学习进行后处理可以提高神经语言模型中语义相似度推断的效果，并将层次拟合用于建模 IS-A 层次中的语义相似性细微差别。

    Oct, 2022

  • 无监督上位词检测中的分布式包含向量嵌入

    本文介绍了一种基于分布式向量嵌入 (DIVE) 的无监督学习方法用于上位词发现，通过每个词的非负向量嵌入来保留单词上下文的包含性质，该方法比以往的无监督嵌入提供最多两倍的准确性和最高的平均性能，并使用更紧凑的单词表示形式，产生许多新的最先进的结果。

    Oct, 2017

  • 关系诸如上位词：通过分布向量识别和利用海斯特模式以用于语义蕴涵

    本文研究使用分布式向量预测词汇蕴涵的任务，提出基于 Hearst patterns 的特征提取方法，并结合文献中已有的优秀模型，成功预测多个数据集的结果。

    May, 2016

  • 分布语义建模：应用本体相关方法来训练词向量空间模型的修订技术

    本文提出了一种基于神经网络的分布式语义建模技术 SPT，通过自然语言文本中的术语自动提取和应用医学或应用于构建术语向量空间模型的基本实体，实现从分布式词表示向分布式术语表示的转换，从而提高传统本体论开发的准确性。

    Mar, 2020

  • 用词典嵌入学习理解短语

    使用字典中的定义作为桥梁，将定义（短语）映射到单词的词汇表达式上，利用这种方式进行训练的神经嵌入模型能够有效地解决短语和句子的语义表示问题，并具有广泛应用前景。

    Apr, 2015

  • 层次嵌入用于上下位关系检测与方向性

    介绍了一种名为 HyperVec 的神经模型，其可以学习分层嵌入，以检测和定向上位词，可以捕捉上位词 - 下位词分布层次结构，以及可以用于跨语言映射。实验结果表明，HyperVec 在上位词检测和定向，以及预测分级词汇蕴涵方面均优于现有的无监督方法和嵌入模型。

    Jul, 2017

  • 层次密度排序嵌入

    本论文提出了一种基于概率密度的单词嵌入模型 —— 密度顺序嵌入模型。该模型通过实现简单而有效的损失函数和距离度量以及基于图的方案选择负样本，学习到分层的概率密度表示。实验结果表明，此方法在 WordNet 层级关系预测任务和 HyperLex 语义蕴涵数据集上表现出了最先进的性能，并保留了丰富而可解释的密度表示。

    Apr, 2018

  • 组合分布式语义中的句子蕴含

    本文介绍了基于矢量表示的分布语义模型，扩展到短语和句子，提出了分类组合分布语义学理论框架，实现了短语和句子层面的言外推理，并通过实验论证了基于密度矩阵的熵距离在词语和短语、句子层面的言外推理可行性和优越性。

    Dec, 2015

  • 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