hypernymy | BriefGPT - AI 论文速递

关键词hypernymy

搜索结果 - 9

COLING在 LLMs 中检测概念抽象
我们提出了一种新颖的方法来检测大型语言模型中的名词抽象。从心理学动机的名词对集合开始，我们使用表示上位词关系的表面模式，并分析 BERT 生成的注意力矩阵。通过比较结果和两组反事实情况，我们展示了可以检测到抽象机制中的上位词关系，这不能仅仅
PDF2 months ago
通过 WordNet 层次结构评估文本到图像模型的上义词理解
使用自动度量标准，评估了文本到图像模型在语言理解方面的能力，发现模型在理解词语间的超类关系以及部分词语的绘制上存在局限性。
PDF9 months ago
分布式包含假设和量化：探讨功能分布语义中的上位词关系
Functional Distributional Semantics (FDS) models learn hypernymy when trained on a corpus following the Distributional I
PDF10 months ago
HyperBox：使用盒子嵌入的监督方法进行上下位词发现
本研究提出了一种新的模型 HyperBox，用于学习盒子嵌入以实现寻找单词的上位词，经过实验证明，在医学和音乐领域的性能明显优于现有方法，并具有良好的泛化性能。
PDF2 years ago
KDDHiExpan: 基于层次树扩展的任务导向分类构建
本文提出了一种自动构建以任务为导向的分类体系的方法，名为 HiExpan，该方法通过从语料库中自动生成关键术语列表并逐步扩大种子分类体系来构建分类体系，并结合弱监督关系抽取模块来调整分类树的全局结构，实验证明该方法在不同领域的构建任务中具有
PDF5 years ago
通过上下位关系提高神经词义消歧的覆盖率和泛化能力
本文提出了一种新方法解决词义消歧中受语料库覆盖率和效率限制的问题，利用 WordNet 中的知识以及 Synsets 之间的上下位关系来减少所需的不同词义标记的数量，从而在大多数 WSD 评估任务上实现最先进的结果，在不使用附加训练数据的情
PDF6 years ago
ACL为词汇蕴涵专门化的词向量
该论文提出了一种新的后处理方法 LEAR（词汇蕴涵吸引 - 排斥），将任何输入的词向量空间转换为重视词汇蕴涵关系（LE）的不对称关系，通过将外部语言约束（例如 WordNet 链接）注入到初始向量空间中，LE 特化过程将真正的下位词 - 上
PDF7 years ago
ACL无监督上位词检测中的分布式包含向量嵌入
本文介绍了一种基于分布式向量嵌入 (DIVE) 的无监督学习方法用于上位词发现，通过每个词的非负向量嵌入来保留单词上下文的包含性质，该方法比以往的无监督嵌入提供最多两倍的准确性和最高的平均性能，并使用更紧凑的单词表示形式，产生许多新的最先进
PDF7 years ago
ACL超类型遭受围攻：基于语言学的上位词检测方法
研究发现，基于语义分布的无监督测量方法可以用于上位词关系的自动识别，相对于有监督方法具有更高的鲁棒性。
PDF8 years ago