Fugu-MT 論文翻訳(概要): Learning Geometric Word Meta-Embeddings

論文の概要: Learning Geometric Word Meta-Embeddings

arxiv url: http://arxiv.org/abs/2004.09219v1
Date: Mon, 20 Apr 2020 11:49:04 GMT
ステータス: 処理完了
システム内更新日: 2022-12-11 17:25:45.429911
Title: Learning Geometric Word Meta-Embeddings
Title（参考訳）: 幾何学的単語メタ埋め込みの学習
Authors: Pratik Jawanpuria, N T V Satya Dev, Anoop Kunchukuttan, Bamdev Mishra
Abstract要約: 本稿では,異なる埋め込み源から単語のメタ埋め込みを学習するためのフレームワークを提案する。我々のフレームワークは埋め込みを共通の潜在空間に変換し、例えば、異なる埋め込みの単純な平均化はより快適である。いくつかの単語類似性および単語類似性ベンチマークの実証結果から,提案手法の有効性が示された。
参考スコア（独自算出の注目度）: 14.823701189270688
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a geometric framework for learning meta-embeddings of words from different embedding sources. Our framework transforms the embeddings into a common latent space, where, for example, simple averaging of different embeddings (of a given word) is more amenable. The proposed latent space arises from two particular geometric transformations - the orthogonal rotations and the Mahalanobis metric scaling. Empirical results on several word similarity and word analogy benchmarks illustrate the efficacy of the proposed framework.
Abstract（参考訳）: 異なる埋め込み源から単語のメタ埋め込みを学習するための幾何学的枠組みを提案する。我々のフレームワークは埋め込みを共通の潜在空間に変換し、例えば、異なる埋め込み(与えられた単語の)の単純な平均化はより快適である。提案された潜在空間は、直交回転とマハラノビス計量スケーリングという2つの幾何学的変換から生じる。いくつかの単語類似性および単語類似性ベンチマークの実証結果から,提案手法の有効性が示された。

関連論文リスト

Relative Representations: Topological and Geometric Perspectives [53.88896255693922]
相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
論文参考訳（メタデータ） (2024-09-17T08:09:22Z)
Attributable Visual Similarity Learning [90.69718495533144]
本稿では、画像間のより正確で説明可能な類似度測定のための帰属的視覚類似度学習(AVSL)フレームワークを提案する。人間の意味的類似性認知に動機づけられた2つの画像とグラフとの類似性を表現するために,一般化された類似性学習パラダイムを提案する。 CUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、既存の深い類似性学習方法よりも大幅に改善されたことを示している。
論文参考訳（メタデータ） (2022-03-28T17:35:31Z)
Frame Averaging for Equivariant Shape Space Learning [85.42901997467754]
形状空間学習に対称性を組み込む自然な方法は、形状空間(エンコーダ)への写像と形状空間(デコーダ)からの写像が関連する対称性に同値であることを問うことである。本稿では,2つのコントリビューションを導入することで,エンコーダとデコーダの等価性を組み込む枠組みを提案する。
論文参考訳（メタデータ） (2021-12-03T06:41:19Z)
Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文参考訳（メタデータ） (2021-06-14T17:19:44Z)
A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文参考訳（メタデータ） (2021-05-06T17:36:55Z)
Unsupervised Sentence-embeddings by Manifold Approximation and Projection [3.04585143845864]
本研究では, 文を固定次元多様体に投影することにより, 文埋め込みを教師なしで生成する手法を提案する。我々は,EMAP(Embedddings by Manifold Approximation and Projection)と呼ばれるアプローチを,サイズと複雑さの異なる6つの公開テキスト分類データセット上で検証する。
論文参考訳（メタデータ） (2021-02-07T13:27:58Z)
Unsupervised Word Translation Pairing using Refinement based Point Set Registration [8.568050813210823]
単語埋め込みの言語間アライメントは、言語間の知識伝達において重要な役割を果たす。現在の教師なしのアプローチは、言語にまたがる単語埋め込み空間の幾何学的構造における類似性に依存している。本稿では,バイリンガル単語の共有ベクトル空間への埋め込みを教師なしでマッピングするBioSpereを提案する。
論文参考訳（メタデータ） (2020-11-26T09:51:29Z)
Bio-inspired Structure Identification in Language Embeddings [3.5292026405502215]
本稿では, バイオインスパイアされた手法を用いて, 単語の埋め込みをトラバースし, 可視化する一連の探索手法を提案する。本モデルを用いて,単語の埋め込み手法の違いが意味的出力に与える影響について検討する。
論文参考訳（メタデータ） (2020-09-05T04:44:15Z)
On Equivariant and Invariant Learning of Object Landmark Representations [36.214069685880986]
実例識別学習と空間識別学習を組み合わせた,シンプルで効果的な手法を開発した。深層ネットワークが幾何学的および測光的変換に不変であるように訓練されると、その中間層から表現が出現し、物体のランドマークを高い精度で予測できることが示される。
論文参考訳（メタデータ） (2020-06-26T04:06:56Z)
Geometric Fusion via Joint Delay Embeddings [1.14219428942199]
幾何学的およびトポロジ的手法を導入し、マルチセンサ時系列を融合する新しいフレームワークを開発する。我々は,我々のフレームワークが従来の計量融合法より優れていることを示す,合成および実世界の実験で締めくくった。
論文参考訳（メタデータ） (2020-02-25T22:20:12Z)
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。