polysemous words | BriefGPT

关键词polysemous words

搜索结果 - 9

EMNLPPLM 中的上下文化发生在哪里？
在本研究中，我们通过定性和定量措施，研究了用于词义启动的 BERT uncased 12 层架构的基本表示，以确定预训练语言模型中词义转换的确切位置。
PDF7 months ago
系统性词义扩展
通过引入一种名为系统性词义延伸的新任务（SWORME），我们发现语言模型更倾向于对词义进行渐进性的词汇语义变化，特别是逻辑转喻，但在预测高度非字面意义延伸（如隐喻）方面表现较差。我们提出了一种基于类比的词义扩展方法，并证明它在使语言模型对渐
PDF7 months ago
EMNLP以词义进行编码切换的神经网络机器翻译预训练
我们介绍了一种使用知识库中词义特定信息进行预训练的多语言神经机器翻译模型的端到端方法，通过实验证明了我们方法在整体翻译质量上有显著改进，并且在 DiBiMT 消歧测试中显示出了精确性改进的鲁棒性。
PDF8 months ago
薛定谔的蝙蝠：扩散模型有时会在叠加态中生成多义词
本文使用类似稳定扩散模型 (Stable Diffusion model) 和 CLIP 编码器来解释文本到图像扩散模型在生成带有多重意义词汇的描述时所展现的奇特行为，两种方法均为通过对词汇向量的线性变化使生成的图像更加明确地反映所需的含义
PDF2 years ago
ACL利用释义研究上下文嵌入的特性
通过使用释义作为数据源，我们分析了上下文嵌入，特别关注 BERT。由于释义自然地编码了一致的单词和短语语义，因此它们为研究嵌入的属性提供了独特的视角。我们发现上下文嵌入可以有效地处理多义词，但在许多情况下，在语义相似的情况下，给出了不同的同
PDF2 years ago
使用 SememeWSD 和同义词集进行中文词义嵌入
本文提出 SememeWSD Synonym（SWSDS）模型，通过使用 OpenHowNet 中的同义词集和词义消歧（WSD）来为多义词的每个意义指定不同的向量，验证结果表明与 Gensim 的 wmdistance 方法相比，SWSDS
PDF2 years ago
ACL基于主题模型的多义词嵌入
该文提出了一种基于主题模型的 skip-gram 方法来学习多原型词嵌入，同时介绍了一种修剪嵌入的方法，用于代表每个主题中每个单词的概率表示，并将我们的嵌入用于展示它们可以强烈地捕获上下文和词汇相似性，并优于各种最先进的实现。
PDF5 years ago
CollaboNet：深度神经网络协作的生物医学命名实体识别
提出一种基于 CollaboNet 的深度学习方法来解决生物医学命名实体识别领域中数据稀缺和实体类型混淆等问题，其利用多个实体识别模型相互协作，可以有效减少假阳性和实体分类错误，更具有很高的性能表现.
PDF6 years ago
词义感知词向量学习
本文提出一种基于 sense embeddings 方法的词义感知 (word sense induction) 算法，通过 Sense 聚类和 Contextual 向量来辨别多义词的词义，相对于传统基于分布式模型的方法，我们的算法可以更
PDF8 years ago