Jun, 2023

定义建模：建立定义。使用少量或没有语义生成定义

PDF
TL;DR本文研究任务是生成定义，目的是评估单词嵌入的语义质量，本文证明这个任务与语义相关性较小，并且依赖于头词和语境中出现的单词之间的形式相似性，从而对用此任务来评估单词嵌入的有效性提出质疑。
definition modelingsemantic qualityword embeddingslexical semantic representationspolysemy
发现论文，激发创造
  • 定义建模：学习在自然语言中定义词嵌入

    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

  • 有条件的词汇定义生成器

    本文探讨了最近引入的定义建模技术，在模塑字典定义的基础上评估不同分布向量表示的词语，分析了该模型中的词语歧义性问题，并提出了一个潜变量建模和软注意机制的解决方案，我们对该模型进行了定量和定性评估和分析，结果表明考虑到歧义性和多义性会提高性能。

    Jun, 2018

  • 利用上下文和定义之间的相关性进行多定义建模

    本论文提出了一种名为 Multiple Definition Modeling (MDM) 的新任务，通过汇集目标词的所有上下文和定义，改进了 Single Definition Modeling (SDM) 的表现，同时在零 - shot 设置中达到了可比较的性能，为 Definition modeling 提供了一个新的方向。

    May, 2023

  • SemEval2022 任务 1 中的 IRB-NLP：探索词语和它们的语义表示之间的关系

    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

  • 标记我的词：一种序列到序列的定义建模方法

    本文将定义建模任务作为一种序列到序列（sequence-to-sequence）的任务，使用基于 Transformer 的模型训练上下文匹配和定义生成，取得了最优结果。

    Nov, 2019

  • VCDM: 利用变分双编码和深度上下文化单词表示来改进定义建模

    本研究提出了一种生成模型来处理定义建模任务，并使用变分推断进行估计，并利用上下文化的词嵌入来提高性能，其在四个基准测试中均取得了最先进的表现。

    Oct, 2020

  • 用词典嵌入学习理解短语

    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

  • Vec2Gloss：利用 Wordnet 定义和上下文向量建模

    本文提出一种名为 “Vec2Gloss” 的模型，通过使用语境化嵌入来生成目标词的文本定义来表达高维语义向量，利用中文 Wordnet 提供的系统化概述模式生成这项研究的定义，并设计了两个依赖度量来分析生成的文本。结果表明 “Vec2Gloss” 模型为语境化嵌入的词汇语义应用开辟了新的视角。

    May, 2023

  • 将义元加入汉语定义建模

    本文介绍了一个用于生成中文词汇释义的语料库（CDM），并且通过引入 Adaptive-Attention 模型和 Self- and Adaptive-Attention 模型等新模型，成功提升了中文释义生成的精度和效果。实验结果表明，该模型比现有的最先进模型的 BLEU 指标要高出 6.0 个百分点。

    May, 2019

  • 词汇语义变化检测中的定义生成

    利用大型语言模型生成的上下文词定义作为语义表示，通过比较不同时间段内目标词的分布来检测词汇语义改变的任务中，我们发现生成的定义足够特定和普遍，能够传达充分的信号以对单词集按照其随时间的语义变化程度进行排名。同时，我们的方法在无监督的基于意义的词汇语义变化检测方法中达到或超过了先前的水平。这一方法保持可解释性，允许检查特定转变背后的原因，基于离散的定义作为意义。这是朝着可解释的语义变化建模的又一步。

    Jun, 2024