该研究提出了一种神经嵌入模型,利用双语词典将文字定义映射到双语目标词汇,探索不同的句子编码技术以及采用多任务学习和联合学习等关键学习策略来增强学习过程,实验结果表明,该模型在跨语言反向字典检索任务和双语释义识别问题上表现优异,并有效地解决了双语释义识别问题。
Aug, 2018
本研究提出了一种基于多通道模型的反向词典方法,可有效处理高度变量的查询和低频率的目标词,并在英文和中文数据集上实现了最优表现。
Dec, 2019
本篇论文研究了词与其描述或嵌入之间的关系,探索了定义建模和反向字典两个学习任务之间的关系,旨在探讨词语及其语义表示之间的关系,并在 CODWOE 数据集上展示了定义建模和反向字典任务系统的设计及实验结果。
May, 2022
本文介绍了我们针对 SemEval2022 词典义项匹配任务所设计的系统,主要集中在比赛的 Reverse Dictionary Track 上,涉及到多语言义项到重构向量的映射,主要是将输入句子转换为三类不同类型的嵌入。我们提出了几个实验,包括神经网络单元、通用多语言和多任务结构,以及语言无关技巧。最终我们的 Elmobased 单语言模型表现最佳,并且多任务、多语言变体也表现出竞争力。
Jun, 2022
以阿拉伯逆向词典为例,通过阿拉伯文或英文定义为输入,使用模型预测词嵌入并通过取平均值得到最终的表示,另外将英文定义翻译为阿拉伯文并应用于模型也是有效的解决方法。
Oct, 2023
本文研究如何利用分布式表示生成单词的字典定义,介绍了几种基于 RNN 的定义模型,探讨了字母级别卷积层对词级嵌入的补充,最终通过错误分析揭示了模型的缺陷。
Dec, 2016
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
比较变体 transformers 模型在解决逆向词典任务中的表现,并探索其在严肃游戏《字典游戏》中的应用。
Nov, 2023
提出了一种基于信息检索的反向字典系统,使用现代预训练语言模型和近似最近邻搜索算法,应用于现有的爱沙尼亚语词汇资源,目的是通过引入语义搜索来增强和丰富该资源,并提供跨语言的反向字典功能。评估结果表明,在单语言设置下,该基于信息检索的语义搜索方法是可行的,其在跨语言设置下通过使用无标签评估方法产生了中位排名为 2 的结果,其中包括以爱沙尼亚语为训练数据的模型在特定任务中表现出更好的性能。
Apr, 2024
本文提出了一种神经符号、多关系框架来仅通过自然语言定义学习单词嵌入,特别地,通过在超几何空间中学习,将维护向量空间中的显式概念关系和约束。实验结果表明,这种方法可以帮助强制执行期望的结构约束,同时保留可控和可解释的语义导航,而且超几何词嵌入优于欧几里得空间的词嵌入。
May, 2023