Nov, 2017

使用 GPU 加速的线性复杂度放松版词移距离

PDF
TL;DR该研究论文探讨了处理非结构化文本数据的各种方法，并提出了一个低复杂度的线性 RWMD 实现来改进基于 GPU 的分布式查询性能，该实现映射到 GPU 上，大大提高了计算效率。
unstructured text-based datasimilarity computationsword mover's distance methodrelaxed word mover's distance methodlinear-complexity rwmd implementation
发现论文，激发创造
  • 通过嵌入之间的距离特征加速词移距离及其变体

    本文提出了一种加速 Word Mover's Distance 和 Relaxed Word Mover's Distance 的方法，并在十个数据集上进行了实验，结果表明该方法在保持错误率不变的前提下极大地加速了文档分类任务。

    Dec, 2019

  • 重新评估词移距离

    本文讨论了词移距离（WMD）及其与传统基线方法如词袋（BOW）和 TF-IDF 的比较，指出若使用正确的预处理方法，即 L1 正则化，则传统基线方法与 WMD 具有相近的性能，同时发现 WMD 与 L1 正则化 BOW 之间存在类比关系。

    May, 2021

  • 探究词移距离扩展

    本论文研究了 WMD 的几个可能的扩展，并尝试将语料库中单词的频率作为加权因子，以及探索单词向量空间的几何性质。通过在六个文档分类数据集中验证可能的扩展，发现一些提出的扩展在 K 最近邻分类错误方面表现更好。

    Feb, 2022

  • 使用正则化的 Wasserstein 距离进行跨语言文档检索

    本文提出了一种新的衡量文本差异的度量方法：Word Mover's Distance，通过加入词汇权重和使用熵正则化方法，可以提高跨语言文档检索任务的效果并取得令人瞩目的改进，与多个基线相比表现提高幅度显著。

    May, 2018

  • SynWMD：一种用于句子相似度评估的基于语法的词移距离算法

    本文提出了一种使用句法分析树的改进型 Word Mover's Distance（SynWMD）方法，它建立在基于句子的句法分析树中的词共现统计上，并考虑了每个单词的重要性和它们之间的局部句法结构，通过在 6 种文本语义相似度（STS）数据集和 4 个句子分类数据集上的实验证明 SynWMD 在提高评估精度方面取得了重大突破。

    Jun, 2022

  • 利用自注意矩阵提高词移距离

    本文提出一种基于 BERT 的自注意力矩阵和融合 Gromov-Wasserstein 距离的方法，用于计算两个句子之间的语义相似度，实验证明该方法可以在语义相似性和改进 WMD 方面表现优异。

    Nov, 2022

  • 低复杂度数据并行的地球移动距离近似算法

    本研究提出了一种基于数据并行的 Earth Mover's Distance 近似算法，具有线性时间复杂度以及适用于高维空间和高重叠概率分布的优势，在文本和图像领域中取得了较高的近似精度。

    Dec, 2018

  • WMDecompose: 利用词移距离可解释性特征在社会文化分析中的框架

    提出了一种名为 WMDecompose 的模型和 Python 库，用于将文档级别的距离分解为单词级别的距离，并将单词聚类，以保留有用的词汇信息并进行分析，其在社会科学领域的应用探讨了阴谋论和保守派美国话语之间的相互关系，并提出一种可重复采样文档对的方法，以防止由于不良采样实践而导致的不可靠结果的外推。

    Oct, 2021

  • Word Mover's Embedding: 从 Word2vec 到文档嵌入

    本文提出了一种名为 Word Mover's Embedding (WME) 的崭新方法，用于建立无监督文本分类的文档嵌入，同时比较了此方法与当前最佳方法在 9 个基准文本分类数据集和 22 个文本相似性任务上表现，结果均表明 WME 能够达到或超越当前最佳方法，并在短文本问题上获得更高的准确性。

    Oct, 2018

  • 近线性时间内逼近二次传输度量

    该研究提出了一种基于熵正则化、近似 Sinkhorn 缩放和高斯核矩阵低秩逼近的算法，用于计算两个点云或离散分布之间的二次输运度量（也称为 2-Wasserstein 距离或均方根距离），其复杂度为 O (n)。

    Oct, 2018