Mar, 2018

RUSSE'2018：俄语词义归纳共享任务

PDF
TL;DR这篇研究论文描述了第一个关于俄语词义归纳（WSI）的共享任务的结果，使用 sense embeddings 方法，创新性的从维基百科、学术语料库和俄罗斯解释词典中开发三个新的评估数据集，为具有许多斯拉夫语言特征的斯拉夫语言探索词义归纳和消歧方法等主题。
word sense inductionrussian languagesense inventoriesslavic languagessense embeddings
发现论文，激发创造
  • 一个词有多重？为单词语义感知调整词嵌入重量

    该论文介绍了我们参与俄语单词词义感知和消除方面的 RUSSE'2018（Panchenko 等人，2018）的首个共享任务。我们通过使用词嵌入的重量平均值和神经机器翻译系统，在该任务中表现出了优异的结果并超越了先前年份基于语义嵌入的竞争性基线。

    May, 2018

  • RuDSI：基于图形的俄语词义感知数据集

    本文提出 RuDSI 作为俄语词义归纳的新基准，通过手工注释和半自动聚类生成了数据集，具有完全数据驱动、不施加外部词语含义的特点，实验表明了数种基线词义归纳方法在 RuDSI 上的表现和改进空间。

    Sep, 2022

  • 多语言基于替代的词义归纳

    通过群集将一个多义词的用法分组成对应的几个义项，以发现该多义词的义项是 Word Sense Induction (WSI) 的任务。本研究提出了适用于 100 种语言的多语言替代基础的 WSI 方法，无需或仅需很少调整就能适应不同语言，这些方法在流行的英语 WSI 数据集上与现有的单语方法性能相当，为缺乏英语词汇资源的低资源语言提供了有用的无监督方法。

    May, 2024

  • 俄语网络搜索结果的语义聚类：可能性和问题

    本研究为了解决搜索引擎语义检索问题，探讨了从俄语大规模语料库中构建词汇共现图，运用分布式语义模型对于词义归纳和聚类的方法。

    Sep, 2014

  • 基于替换的词义识别的改进

    本文介绍了一种通过识别句中单词使用的不同含义进行分组的无监督词义归纳（WSI）任务。最近的工作使用了预先训练的 RNN 语言模型（ELMo）来进行聚类，并且将该方法适用于 BERT 进一步提高了得分。本文通过提出一种解释聚类结果的方法来扩展先前的方法支持动态而非固定数量的簇，并执行了广泛的错误分析来揭示 WSI 任务中剩余错误的来源。

    May, 2019

  • 词义感知词向量学习

    本文提出一种基于 sense embeddings 方法的词义感知 (word sense induction) 算法，通过 Sense 聚类和 Contextual 向量来辨别多义词的词义，相对于传统基于分布式模型的方法，我们的算法可以更好地处理语义相似性，通过对 SemEval-2010 数据进行的实验表明，本算法的效果优于所有参赛者及最近的大部分最新方法。

    Jun, 2016

  • RUSSE: 俄语语义相似性首个研讨会

    该研究总结了俄语语义相似性评估 (RUSSE) 共享任务的概述，提出了一种基于四个新颖基准数据集的俄语语义相似性评估方法，并通过对 19 个团队的 105 个提交信息的分析，证明英语中成功的方法也可以直接适用于俄语。

    Mar, 2018

  • 词义归纳技术的现状：一种面向资源匮乏语言的词义消歧方法

    这篇论文是关于如何运用词义感知诱导方法在缺乏词汇资源的语言中初始开展词义消岐研究，并提出了一些有趣的研究重点。

    Oct, 2013

  • 利用层次聚类和互信息最大化进行词义归纳

    本文提出了一种基于分层聚类和不变信息聚类的新型无监督方法，用于解决自然语言处理中的词义识别问题，该方法可以在某些情况下优于目前提出的任何方法，并在其他情况下表现出竞争力。

    Oct, 2022

  • 使用仅词嵌入的方法对 158 种语言进行词义消歧

    本研究提出了一种基于预训练的词嵌入，利用完全无监督和无基于知识的方法诱导一个完整的词义库，并实现对 158 种语言中的单词进行上下文消歧，对于资源匮乏的语言特别有用。

    Mar, 2020