通过在单词嵌入中联合学习文本特征的分布式表征的一般框架，我们提出了一种第三阶段模型，其中单词环境和属性向量相互作用以预测序列中的下一个单词，并通过情感分类、跨语言文本分类和博客作者归因等多个实验任务进行了评估。

Jun, 2014

论文讨论了张量中的特征包含性质在不同的具体方法中的应用。通过对几种句子级度量方法的评估，证明了基于张量的组合方式可以获得最佳的性能表现。

Oct, 2016

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。

Oct, 2017

本文研究了词表示应该包含分布式和关系语义这一假设。为此，我们使用 Alternating Direction Method of Multipliers (ADMM)，它可以灵活地在原始文本上优化分布式目标和 WordNet 上的关系目标。初步结果表明，在一些情况下，在两种目标上训练的词表示可以改进知识库完成、类比测试和解析等方面。

Dec, 2014

本文研究单词表示应该结合分布式和关联语义的假说。我们采用 ADMM 方法，在原始文本上灵活优化分布式目标，WordNet 上的关联目标。初步结果表明，针对两个目标训练的单词表示在某些情况下可以提高知识库完成，类比测试和解析的性能。

Dec, 2014

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

提出了一种使用词汇资源的描述和分布式语义语料的相关信息的简单方法，以更好地初始化关系模型的训练，在 WordNet 数据集上表现出了显着的最新性能。

May, 2016

本文研究了三种融合规则以组合概率分布，应用于自然语言处理的两个问题。结果显示三种融合规则都比它们各自的组件模块更精确，但是流行的混合规则对于这两个问题都不是最佳规则。

Jan, 2005

采用基于概率逻辑推理的混合方法将基于逻辑和分布式语义组合起来，提高了在文本推理任务上的表现。

May, 2015

扩展基于类别、组成和分布的语义模型，通过将单词表示扩展为概率分布，定义对词汇蕴涵的对称和非对称相似度度量，利用量子变体对 von Neumann 熵进行度量。通过单词表示的组合映射和单词之间的蕴涵关系，提供了一种获取句子水平上的因果关系的方法。

Jun, 2015