Fugu-MT 論文翻訳(概要): Using Distributional Thesaurus Embedding for Co-hyponymy Detection

論文の概要: Using Distributional Thesaurus Embedding for Co-hyponymy Detection

arxiv url: http://arxiv.org/abs/2002.11506v1
Date: Mon, 24 Feb 2020 20:11:35 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 03:55:29.202711
Title: Using Distributional Thesaurus Embedding for Co-hyponymy Detection
Title（参考訳）: 分布的シソーラス埋め込みを用いた共称検出
Authors: Abhik Jana, Nikhil Reddy Varimalla and Pawan Goyal
Abstract要約: 本研究では,分布的シソーラスのネットワーク埋め込みを効果的に利用して,コホモニミー関係を検出することができるか検討する。分布的シソーラスに node2vec を適用したベクトル表現は、コハイモニミーとハイパーニミーのバイナリ分類のための最先端モデルよりも優れていることを示す。
参考スコア（独自算出の注目度）: 11.165092545013799
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Discriminating lexical relations among distributionally similar words has always been a challenge for natural language processing (NLP) community. In this paper, we investigate whether the network embedding of distributional thesaurus can be effectively utilized to detect co-hyponymy relations. By extensive experiments over three benchmark datasets, we show that the vector representation obtained by applying node2vec on distributional thesaurus outperforms the state-of-the-art models for binary classification of co-hyponymy vs. hypernymy, as well as co-hyponymy vs. meronymy, by huge margins.
Abstract（参考訳）: 分布的に類似した単語間の語彙関係を識別することは、自然言語処理(NLP)コミュニティにとって常に課題である。本稿では,分布型シソーラスのネットワーク埋め込みを効果的に利用して,コホモニミー関係を検出できるかどうかを検討する。分散シソーラスに node2vec を適用したベクトル表現は,3つのベンチマークデータセットに対する広範な実験により,コハイポニミーとハイポニミーのバイナリ分類と,コハイポニミーとメロニミーの2次分類における最先端モデルよりも大きなマージンを有することを示した。

関連論文リスト

Discovering Biases in Information Retrieval Models Using Relevance Thesaurus as Global Explanation [23.50629779375759]
我々は「関連シソーラス」を構築することにより、世界規模で神経関連モデルを説明する新しい手法を提案する。このシソーラスは、BM25のような語彙マッチングモデルを拡張して、ニューラルネットワークの予測を近似するために用いられる。
論文参考訳（メタデータ） (2024-10-04T16:42:13Z)
Prototype-based Embedding Network for Scene Graph Generation [105.97836135784794]
現在のシーングラフ生成(SGG)手法は、コンテキスト情報を探索し、エンティティペア間の関係を予測する。被写体と対象物の組み合わせが多様であるため、各述語カテゴリーには大きなクラス内変異が存在する。プロトタイプベースのEmbedding Network (PE-Net) は、エンティティ/述語を、プロトタイプに準拠したコンパクトで独特な表現でモデル化する。 PLは、PE-Netがそのようなエンティティ述語マッチングを効率的に学習するのを助けるために導入され、不明瞭なエンティティ述語マッチングを緩和するためにプロトタイプ正規化(PR)が考案されている。
論文参考訳（メタデータ） (2023-03-13T13:30:59Z)
Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文参考訳（メタデータ） (2022-12-17T05:25:17Z)
Lexical semantics enhanced neural word embeddings [4.040491121427623]
階層的適合は、IS-A階層に本質的に格納されている意味的類似性ニュアンスをモデル化するための新しいアプローチである。その結果、後期核融合における意味的関係を持つ神経埋め込みを専門とする階層化の有効性が示された。
論文参考訳（メタデータ） (2022-10-03T08:10:23Z)
Synonym Detection Using Syntactic Dependency And Neural Embeddings [3.0770051635103974]
ベクトル空間モデルを用いた分布意味論の導出における構文依存の役割について検討する。本研究は,ニューラルネットワークへの人間のコンパイルした意味知識の注入が分散分布の類似性に及ぼす影響について検討する。この結果から,構文的条件付きコンテキストは,非条件付きコンテキストよりも語彙的意味論の解釈が優れていることが示唆された。
論文参考訳（メタデータ） (2022-09-30T03:16:41Z)
Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
論文参考訳（メタデータ） (2021-10-04T03:59:15Z)
A Correspondence Variational Autoencoder for Unsupervised Acoustic Word Embeddings [50.524054820564395]
そこで本稿では,変数分割音声セグメントを固定次元表現にマッピングするための教師なしモデルを提案する。結果として得られる音響単語の埋め込みは、低リソース言語とゼロリソース言語のための検索、発見、インデックスシステムの基礎を形成することができる。
論文参考訳（メタデータ） (2020-12-03T19:24:42Z)
Data Augmentation for Hypernymy Detection [4.616703548353372]
既存のデータから新たなトレーニング例を生成するために,2つの新しいデータ拡張手法を開発した。まず、ハイパーネム推移性(英語版)の言語原理と補間修飾子-名詞合成を組み合わせてベクトルの余分なペアを生成する。第二に、生成逆数ネットワーク(GAN)を用いて、ハイパーネミー関係を仮定できるベクトルのペアを生成する。
論文参考訳（メタデータ） (2020-05-04T21:32:12Z)
Dense Embeddings Preserving the Semantic Relationships in WordNet [2.9443230571766854]
WordNetにおける名詞と動詞の合成のための低次元ベクトル埋め込みを生成する新しい方法を提案する。これをSense Spectrum(および埋め込みのためのSense Spectra)と呼ぶ。感性スペクトルの学習に適したラベルを作成するために,WordNetにおける名詞と動詞の合成のための新しい類似度尺度を考案した。
論文参考訳（メタデータ） (2020-04-22T21:09:47Z)
On the Replicability of Combining Word Embeddings and Retrieval Models [71.18271398274513]
我々は、Fisherカーネルフレームワークの使用に関する魅力的な仮説を実証しようとする最近の実験を再現する。具体的には、von Mises-Fisher (VMF) 分布の混合モデルを使用することは、VMF とベクトル空間モデルの両方の余弦距離に焦点をあてることによって有益である。
論文参考訳（メタデータ） (2020-01-13T19:01:07Z)
Multiplex Word Embeddings for Selectional Preference Acquisition [70.33531759861111]
単語間の様々な関係に応じて容易に拡張できる多重単語埋め込みモデルを提案する。本モデルでは,不必要なスパース性を導入することなく,関係の異なる単語を効果的に識別することができる。
論文参考訳（メタデータ） (2020-01-09T04:47:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。