关键词multi-sense embeddings
搜索结果 - 4
- 使用 BERT 知识蒸馏进行词义归纳
该研究提出了一种两阶段的方法,使用上下文中单词意义的注意力来提取一个单词的多重意义,并将其传递到 skip-gram 模型中,以生成多重意义的嵌入,这比现有技术表现更好,可应用于主题建模。
- 通过词义消歧过程实现多义词嵌入
提出了一种名为 Most Suitable Sense Annotation (MSSA) 的新方法,它通过一种无监督技术来标注每个单词的特定含义,并考虑其上下文的语义效应,从而减轻了自然语言理解中多义性和同音异义词的问题,实现了语义表示方 - 使用多义词向量嵌入进行反向词典
本论文研究多义词汇的表示,提出使用注意力机制将其集成到神经网络架构中,在逆向字典任务中获得更好的性能。实验结果表明,多义词汇在输入序列和目标表示方面的应用可以获得大幅度的提高。还提供了对意义分布和学习注意力的分析。
- 多义词嵌入是否提高自然语言理解?
本文介绍一种基于中餐馆过程的多义词嵌入模型,测试表明它在人类词语相似度判断方面取得了最先进的性能,并提出了一种管道式架构,用于将多义词嵌入结合到语言理解中,结果表明在某些任务(如词性标注、语义关系识别、语义相关性)中,多义词嵌入确实能够提高