word-in-context | BriefGPT - AI 论文速递

关键词word-in-context

搜索结果 - 6

通过语境化语言模型诱导概念：从词义到更多
通过本文，我们引入了概念归纳这个非监督任务，从数据中学习一组定义概念的词语软聚类，该任务概括了词义归纳的任务。我们提出了一种双层方法来进行概念归纳，充分利用了本地词元为中心和全局跨词库视角来引导概念的生成。我们在 SemCor 的注释数据上
PDF8 days ago
LSCD 基准：一个历时词义任务的测试平台
词汇语义变化检测 (LSCD) 是一个复杂的基于词元级的任务，它通常是基于两个后续应用的用法级任务来操作的：首先，对使用对生成上下文的词 (WiC) 进行标注，然后将这些标签表示为图形，在图上应用词义归纳 (WSI) 来生成语义聚类。最后，
PDF3 months ago
ACL词汇语义变化的上下文化词嵌入系统比较
现有的 LSC 问题评估通常集中在 Graded Change Detection (GCD) 任务上，但由于它们依赖不同的设置，性能比较往往会误导。本研究在相同的条件下评估了最先进的 GCD 模型和方法，并将 LSC 问题分解为 Word
PDF5 months ago
ACL联合学习元感嵌入：从预训练静态感觉嵌入中学习
本文提出了第一种元语义嵌入方法 - 近邻保留元语义嵌入，该方法通过组合多个独立训练的源感知嵌入来学习元感知嵌入，从而保留了源嵌入中计算的感知邻域，实验证明该方法在词义消歧和上下文词任务中持续优于竞争基线。
PDFa year ago
EMNLP关于感知嵌入的 L2 范数的奇怪情况
本文研究表明，对于用于学习感知嵌入的训练语料库中使用频率相关的信息和感知嵌入的 L2 范数是一种有效的特征，可用于提高单词感知相关任务的性能，例如最高频率感知预测，上下文中的单词（WiC）以及单词感知消歧（WSD）。
PDF2 years ago
ACLWiC = TSV = WSD：三个语义任务的等价性
本文提出了关于 Word-in-Context （WiC）和 word sense disambiguation（WSD）的新假设，并应用理论计算机科学工具表明了 WiC、WSD 和 target sense verification（TS
PDF3 years ago