名词转动词:概率框架语义下的词类转换
在希伯来语词嵌入的上下文中,对 Distributed Morphology 框架的两级形态学词汇形成假设进行了测试,发现四个词嵌入模型验证了这一假设。
Aug, 2022
本文研究了不同上下文环境下,有些动词引起的语义框架不同,以及如何利用 Contextualized word representations 识别这些不同的语义框架,同时探索哪些类型的表示适合用于语义框架的归纳。通过比较七种不同的 Contextualized word representations,特别是 BERT 和其变体,在 FrameNet 和 PropBank 等英语 Frame-semantic 资源方面进行了实验,表明,某些 Contextualized word representations 对于语义框架的归纳具有相当的信息量。此外,本文还考察了动词的上下文表示估算其所引起的语义框架数的程度。
May, 2021
通过研究基于人工神经网络编码的句子语境和词汇形态,本研究构建了五个数据集并测试了模型的可靠性,结果显示该方法对于某些动词变化是可行的,但对于其他动词变化则难以提取细粒度的字面信息。
Nov, 2018
本文讨论了动词在自然语言中的重要性,介绍了动词模式来表示动词的语义,提出了基于描述长度的非参数模型,并将其应用到上下文感知概念化中,证明了动词模式在语义相关任务中的高效性。
Oct, 2017
本文提出了一种基于上下文化词向量探索词类灵活性的方法,并应用于 37 种语言,发现由于一定的上下文语境影响,单词在不同的语法类别中产生语义的位移现象,这支持了词类灵活性是一个具有方向性的过程的观点。
Sep, 2020
本文利用一种新的单词学习范式,测试并发现 BERT 在仅有一两个新词的微调后,便能够展现出稳健的语法概括能力,且在英语动词的变化过程和选词特征上表现出某些偏好行为。
Nov, 2020
该研究提出了一种新颖的概率模型来捕捉单词形成的分析和合成的含义,利用神经网络的向量组合方法,共同学习单词的形态划分和语义语素的分布式向量,提高了单词的分割准确率和语素 F1 指标 3% 至 5%。
Jan, 2017