Jun, 2024

在词典中是否存在未知词用法？

PDF
TL;DR本文描述了我们基于无监督系统的组成部分和结果，该系统使用基于图的聚类方法预测未知词语用法和字典条目之间的映射，并通过最先进的大型语言模型（如 GPT-4 和 LLaMA-3）为这些新颖词语用法生成类似字典的定义。我们的系统在 Subtask 1 中明显优于基准系统，在映射结果中通过图形聚类方法区分匹配和不匹配的（新颖）词语用法，提供了可解释性。我们的系统在芬兰语和德语中排名第一，在俄语中排名第二，展示了我们的系统在管理字典条目方面的潜力，特别是用于更新包含新意义条目的字典。
发现论文，激发创造
  • 无监督双语词典归纳的局限性

    该文研究了无监督的机器翻译模型，提出了利用对手生成网络对词嵌入空间进行自对齐和对齐生成双语词典，但对于形态丰富的语言，无监督双语词典的表现会受到很大限制，该研究通过利用弱监督从同一词来构建词典，建立了无监督双语词典表现和图相似度的相关性。

    May, 2018

  • 通过对齐异构词汇语义空间实现未见词表示

    本文提出了一种利用词典等词汇资源，采用图嵌入和跨语言向量空间转换技术，为未见过的单词诱导嵌入的方法，对多个基准测试进行了优化，表现出一致的性能提升。

    Nov, 2018

  • 无监督双语平行语料库构建及词对齐的双语词汇识别

    本文提出了一种过程，结合自监督的双文本挖掘与自监督的词对齐，从而产生更高质量的双语词典，进一步地，学习过滤结果的词汇条目，最终模型在 12 种语言对上的 BUCC 2020 共享任务中，比现有技术提高了 14 个 F1 点，同时提供更加可解释的方法和丰富的词义语境推理能力。

    Jan, 2021

  • 词形变化词典中的未监督歧义消解

    本文提出了使用基于神经网络的无监督学习方法来处理语料库中的词汇歧义问题，该方法在不考虑上下文的情况下，使用概率模型来推断单词形态上下文的各种分析，最终通过评估指标在五种语言上取得了一定效果。

    Jun, 2018

  • OYXOY：用于现代希腊语的现代自然语言处理测试套件

    本论文旨在为希腊自然语言处理（Greek NLP）领域开发一个基于语言学动机和技术相关的评估套件，通过引入四个专家验证的评估任务来实现这一目标，这些任务特别针对自然语言推理、词义消歧（通过示例比较或意义选择）和隐喻检测。同时，我们贡献了两个创新，既是我们推理数据集是首个标注所有可能的推理标签的数据集，也是通过使用 ChatGPT 作为语言中立的解析器以成本效率高的方式获取到面向资源不足语言的数据集。通过对每个任务进行实验，使用现有的最先进技术，我们确认了任务的挑战性，并强调希腊 NLP 生态系统需要加速进展以与当代主流研究保持同步的需求。

    Sep, 2023

  • 利用语言相似性进行机器翻译

    本文提出了一种自动化生成和扩展字典和短语表的方法，利用大规模单语数据学习语言结构和小型双语数据映射语言空间之间的线性映射，从而实现翻译缺失的单词和短语，能达到英语和西班牙语之间近 90% 准确率，可用于扩展和完善任何语言对的字典和翻译表。

    Sep, 2013

  • 不同时间尺度下单词意义变化的自动识别

    本文提出了一种无监督的方法来区分名词的意义变化，并通过数字化书籍中的严格时间变化文本数据构建分布式词库网络，将它们分别聚类以获得与不同时间点对应的以词为中心的意义聚类，这种方法可应用于词汇编纂和语义搜索，并经过人工评估和 WordNet 对比，该算法在 48 个样本和 21 个样本分别中正确识别出 60.4％的新出现情况，57％的分裂 / 合并情况，并有 44％的新意义得到 WordNet 验证。

    May, 2014

  • 无监督机器翻译实现双语词库归纳

    本文提出一种新的方法，使用无监督机器翻译的方法生成合成平行语料库，进而提取双语词汇表。该方法可与任何词向量和跨语言映射技术一起使用，并且除了用于训练词向量的单语语料库外，不需要任何其他资源。在评估方面，与最近邻和 CSLS 技术相比，该方法在标准 MUSE 数据集上提高了 6 个准确度点，确立了新的最先进技术。

    Jul, 2019

  • 无监督临床语言翻译

    为了提高病人与临床医生之间的沟通，通过表述学习、双语词典归纳和统计机器翻译等方法，使用一种完全无监督的框架来解决临床单词和句子翻译问题，可以最大限度地提高临床正确性和公众易读性。

    Feb, 2019

  • 基于词典的无监督学习分类

    本文提出了一种基于词库的分类方法，并分析了其概率正确性和预期准确性。文章证明了通过利用两个文本库之间的共现统计信息可以学习出单词权重，从而实现轻度监督下的数据驱动分类。

    Nov, 2016