Apr, 2024

整合主观性的计算方法在同根词别选中的应用

PDF
TL;DR处理同源数据涉及处理同义词，即在一种语言中描述相同概念的多个词。本文展示了利用二元特征矩阵可以表示包括所有同义词的整个数据集，使用 RAxML-NG 工具进行最大似然树推断可得到合理的树。建议不要事先选择同义词，而是包含所有同义词以表示同源数据。文章还介绍了概率二元和概率多值特征矩阵，并证明了使用哪种特征矩阵类型推断的 RAxML-NG 树与黄金标准拓扑上最接近是依赖于数据集。还提供了一个用于根据 CLDF 格式生成上述所有特征矩阵类型的 Python 接口。
cognate datasynonymsmaximum likelihood tree inferencesraxml-ngcharacter matrices
发现论文，激发创造
  • 类比、同义词、反义词和关联词的统一方法

    本文提出基于语料库的机器学习算法作为识别类比、近义词、反义词和联系词的方法，并且验证了其有效性

    Aug, 2008

  • 为丰富阿拉伯同义词而设计的基准测试和评分算法

    本文提出了一种算法和数据集，用于从给定的单 / 多语言词汇表中提取模糊值超过特定阈值的新近义词，其中数据集由 3K 候选同义词和 500 个同义词组成。根据我们的评估，该算法表现得像语言学家，并且其模糊值与语言学家的提议值接近。

    Feb, 2023

  • 多序列比对引导词汇选择

    通过多重序列比对算法自动获取多语言语料库中的基本语义表达，用于计算机生成数学证明的自然语言版本。

    May, 2002

  • 同义词提取的当前趋势和方法：适用于阿拉伯语的潜在调适

    本文介绍了四种通过使用翻译图形、词网、同义词构造、深度学习等方式，自动提取同义词的方法。此外，作者还对这些方法进行了比较和分析，并探讨了未来在阿拉伯语环境下进行同义词自动生成的潜在适配性。

    May, 2022

  • 声音在系统发育重构中是否有效？

    通过对十个不同语系的多样数据集和最先进的自动同源词和音序对照检测方法的建立，我们首次测试了基于音序对比与基于同源词对比的方法在语系重建中的性能，并发现从同源词重建的语系与黄金标准语系之间的拓扑距离平均上缩短了约三分之一。

    Feb, 2024

  • Watset: 从同义词图中自动归纳同义词集

    本研究提出了一种基于图的方法，利用同义词词典和词嵌入诱导同义词集。首先，我们建立了一个从常见资源（例如 Wiktionary）中提取同义词的加权图。其次，我们应用词义归纳来处理有歧义的单词。最后，我们将有歧义输入图的已消除歧义版本聚类到同义词集中。虽然方法简单，但在三个由人工构建的大规模词汇资源衍生的英语和俄语的黄金标准 数据集上，在 F-score 方面表现出优秀的结果，超越了五种有竞争力的最新方法。

    Apr, 2017

  • 借助多视角语言表示桥接语言类型学和多语机器翻译

    将来自语言数据库和多语言机器翻译等任务的稀疏语言向量相结合，使用奇异向量典型相关分析方法进行研究，发现这两种方法的关联性可嵌入语言类型学和语言谱系学，实现了对多语种机器翻译的优化，而且无需大规模的多语种编排，便于新语种的测量。

    Apr, 2020

  • 修剪语音对齐改善从多语言词汇列表中推断音对应模式

    本研究提出了基于生物进化中所采用的修剪技术的音位对齐修剪工作流程来改进语音拟音同源语识别技术，经实验证明这种方法可以大幅度提升同源识别的一致性，增加高频的音位对应规律和通用的同源单词的比例。

    Mar, 2023

  • 利用多段双向上下文匹配进行实体同义词发现

    该论文提出了一种多环境下的同义词发现框架，使用分布式假设和神经网络模型 SYNONYMNET，从自由文本语料库中检测出实体的同义词，以提高实体消歧或知识图谱规范化等任务的效果和稳健性。

    Dec, 2018

  • 词汇语义增强的神经词向量

    通过深度度量学习进行后处理可以提高神经语言模型中语义相似度推断的效果，并将层次拟合用于建模 IS-A 层次中的语义相似性细微差别。

    Oct, 2022