SIGIRMay, 2019

检索多实体关联性：词嵌入组合模式的评估

PDF
TL;DR本研究探讨了基于流行的嵌入方法训练矢量表示的实体注释新闻语料库的应用，以预测实体参与新闻事件，并测试了一些嵌入矢量的组合模式以支持多参与实体事件查询。我们发现，虽然单一的基于词嵌入的组合模式并不能完全达到传统词共现网络的水平，但不同的嵌入方法对不同类型的关系进行了建模，因此有可能实现集成方法。
word embeddingsentity associationsnews eventsvector representationsensemble methods
发现论文，激发创造
  • 实体标注文本的词嵌入

    本文研究了在大型语料库上联合训练单词和实体嵌入的方法以及它们在各种自然语言处理任务上的表现，发现仅仅在注释语料库上训练流行的单词嵌入模型无法创建具有可接受性能的实体嵌入，而我们的实体共现图嵌入方法能够恢复性能。

    Feb, 2019

  • 利用词汇资源学习多关系数据中实体嵌入

    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

  • 通过联合知识增强训练将词语和意义嵌入在一起

    提出一种新模型共同学习单词和语义嵌入，以解决现有方法无法区分单词不同含义的问题，利用大规模预料库和语义网络优化嵌入空间，并在各种任务中评估了该方法的优点。

    Dec, 2016

  • 复合词词嵌入用于选择偏好习得

    本文提出了一种多重词向量模型，将不同单词之间的关系映射到嵌入空间中，从而实现更好的语义解析和性能提升。实验证明该模型能更好地区分单词之间的不同关系且维持了嵌入向量的有效性。

    Jan, 2020

  • 现有词嵌入方法的全面实证评估

    本文通过对现有单词嵌入方法的特点和分类任务的分析，将单词嵌入方法划分为传统方法和基于神经网络的方法，揭示基于神经网络的单词表示方法相比于传统方法更能捕捉语言的语义和句法规律。实验验证了不同方法的性能差异。

    Mar, 2023

  • 一种集成方法生成高质量的词向量嵌入（2016）

    本文提出了一种集成方法，通过将 GloVe 和 word2vec 的嵌入方式与语义网络 ConceptNet 和 PPDB 的结构化知识相结合，将它们的信息融合成一个具有大型多语言词汇的共同表示，并达到了许多词语相似性评估的最先进性能

    Apr, 2016

  • 利用远程监督联合嵌入实体和文本

    本文提出了一种基于远程监督的方法，从未注释的语料库中仅使用实体和表面形式之间的映射列表，联合学习实体和文本的嵌入。与仅依赖于人类注释文本或大型知识图谱结构的先前方法相比，实验结果表明，我们的嵌入可更好地捕捉实体的相似性和关联性。

    Jul, 2018

  • 词向量评估方法概述

    本论文总结了词嵌入表示领域的广泛研究，概括了 16 种内在方法和 12 种外在方法，提出了一种方法分类并讨论了一些关键挑战。

    Jan, 2018

  • 事件与实体共指消解中词嵌入的综合比较

    本研究在核指消解任务中探讨不同的词嵌入方法，研究表明，与嵌入维数相比，性能存在收益递减的情况，并且 Elmo 在 EvCR 和 EnCR 上表现最好，而 GloVe 和 FastText 分别在 EvCR 和 EnCR 中表现最佳。

    Oct, 2021

  • 将语义关系嵌入到词表示中

    通过提取语料库中词汇的共现模式来实现无监督学习，学习不仅代表个体单词的表示，还明确捕捉代表单词间语义关联的词向量表示，并通过联合权重和二元分类器来描述单词间的语义关系，取得了普遍类比检测三个基准数据集中的显著性优势。

    May, 2015