論文の概要: Dense Embeddings Preserving the Semantic Relationships in WordNet

• arxiv url: http://arxiv.org/abs/2004.10863v2
• Date: Sun, 12 Jun 2022 17:53:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 18:24:02.543712
• Title: Dense Embeddings Preserving the Semantic Relationships in WordNet
• Title（参考訳）: WordNetにおける意味的関係を保存するDense Embeddings
• Authors: Canlin Zhang and Xiuwen Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.9443230571766854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we provide a novel way to generate low dimensional vector embeddings for the noun and verb synsets in WordNet, where the hypernym-hyponym relationship is preserved in the embeddings. We call this embedding the Sense Spectrum (and Sense Spectra for embeddings). In order to create suitable labels for the training of sense spectra, we designed a new similarity measurement for noun and verb synsets in WordNet. We call this similarity measurement the Hypernym Intersection Similarity (HIS), since it compares the common and unique hypernyms between two synsets. Our experiments show that on the noun and verb pairs of the SimLex-999 dataset, HIS outperforms the three similarity measurements in WordNet. Moreover, to the best of our knowledge, the sense spectra provide the first dense synset embeddings that preserve the semantic relationships in WordNet.
• Abstract（参考訳）: 本稿では,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)という。 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。 この類似度測定は、2つのシンセット間の共通および一意的なハイパーネムを比較するため、HIS(Hypernym Intersection similarity)と呼ぶ。 実験によれば、simlex-999データセットの名詞と動詞のペアでは、wordnetの3つの類似度測定よりも優れていた。 さらに、私たちの知る限りでは、センススペクトルは、wordnetの意味的関係を保存する最初の密集したシンセプションの埋め込みを提供する。

関連論文リスト

• Self-Supervised Speech Representations are More Phonetic than Semantic [52.02626675137819]
  自己教師付き音声モデル(S3Ms)は、音声応用の有効なバックボーンとなっている。 S3Msで符号化された単語レベルの言語特性のよりきめ細かい分析を求める。 本研究により,S3M表現は意味的類似性よりも連続的かつ顕著に音声的類似性を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2024-06-12T20:04:44Z)
• Homonymy Information for English WordNet [9.860944032009847]
  我々は、最近の言語モデリングの進歩を利用して、プリンストンWordNetのホモニミーアノテーションを合成する。 変換器モデルにより生成された埋め込み空間における近接性に基づく定義をペア化する。 このアプローチの単純さにもかかわらず、私たちの最良のモデルは、アノテートした評価セットで.97のF1を達成する。
  論文  参考訳（メタデータ） (2022-12-16T10:23:26Z)
• Word Embeddings Are Capable of Capturing Rhythmic Similarity of Words [0.0]
  Word2VecやGloVeのような単語埋め込みシステムは、NLPに対するディープラーニングアプローチでよく知られている。 本研究は,単語のリズム的類似性を捉える上での有用性について検討した。 その結果、これらの埋め込みは、他の単語と比較して、韻律語に割り当てられるベクターが互いに類似していることが判明した。
  論文  参考訳（メタデータ） (2022-04-11T02:33:23Z)
• Interval Probabilistic Fuzzy WordNet [8.396691008449704]
  本稿では,任意の言語でIPF(Interval Probabilistic Fuzzy)シンセサイザーを構築するアルゴリズムを提案する。 我々は、英語のためのWordNetのIPFシンセセットを構築し、公開した。
  論文  参考訳（メタデータ） (2021-04-04T17:28:37Z)
• SensPick: Sense Picking for Word Sense Disambiguation [1.1429576742016154]
  我々は,対象単語の文脈情報と関連する光沢情報の両方を用いて,単語とグルースの集合間の意味的関係をモデル化する。 We propose SensPick, a type of stacked bidirectional Long Short Term Memory (LSTM) network to perform the WSD task。
  論文  参考訳（メタデータ） (2021-02-10T04:52:42Z)
• SemGloVe: Semantic Co-occurrences for GloVe from BERT [55.420035541274444]
  GloVeは単語共起行列からの統計情報を利用して単語埋め込みを学ぶ。 BERTから静的なGloVeワード埋め込みに意味的共起を蒸留するSemGloVeを提案します。
  論文  参考訳（メタデータ） (2020-12-30T15:38:26Z)
• R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic Matching [58.72111690643359]
  文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。 最初にBERTを使用して、グローバルな視点から入力文をエンコードします。 次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。 関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
  論文  参考訳（メタデータ） (2020-12-16T13:11:30Z)
• Syntactic representation learning for neural network based TTS with syntactic parse tree traversal [49.05471750563229]
  本稿では,構文解析木に基づく構文表現学習手法を提案し,構文構造情報を自動的に活用する。 実験の結果,提案手法の有効性が示された。 複数の構文解析木を持つ文では、合成音声から韻律的差異が明確に認識される。
  論文  参考訳（メタデータ） (2020-12-13T05:52:07Z)
• SynSetExpan: An Iterative Framework for Joint Entity Set Expansion and Synonym Discovery [66.24624547470175]
  SynSetExpanは2つのタスクを相互に拡張できる新しいフレームワークである。 クラウドソーシングによる最初の大規模Synonym-Enhanced Set Expansionデータセットを作成する。 SE2データセットと以前のベンチマークの実験では、エンティティセットの拡張と同義語発見タスクの両方においてSynSetExpanの有効性が示されている。
  論文  参考訳（メタデータ） (2020-09-29T07:32:17Z)
• Using Distributional Thesaurus Embedding for Co-hyponymy Detection [11.165092545013799]
  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。
  論文  参考訳（メタデータ） (2020-02-24T20:11:35Z)
• 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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。