論文の概要: Autoencoding Word Representations through Time for Semantic Change Detection

• arxiv url: http://arxiv.org/abs/2004.13703v1
• Date: Tue, 28 Apr 2020 17:58:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 23:09:02.009271
• Title: Autoencoding Word Representations through Time for Semantic Change Detection
• Title（参考訳）: 意味変化検出のための時間による単語表現の自動符号化
• Authors: Adam Tsakalidis and Maria Liakata
• Abstract要約: 本稿では,意味的にシフトした単語を検出するシーケンシャルモデルの3つの変種を提案する。 本稿では,単語表現の時間的モデリングが性能の明確な優位性をもたらすことを示すとともに,異なるアプローチを定量的に比較するための一歩を踏み出した。
• 参考スコア（独自算出の注目度）: 21.17543605603968
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic change detection concerns the task of identifying words whose meaning has changed over time. The current state-of-the-art detects the level of semantic change in a word by comparing its vector representation in two distinct time periods, without considering its evolution through time. In this work, we propose three variants of sequential models for detecting semantically shifted words, effectively accounting for the changes in the word representations over time, in a temporally sensitive manner. Through extensive experimentation under various settings with both synthetic and real data we showcase the importance of sequential modelling of word vectors through time for detecting the words whose semantics have changed the most. Finally, we take a step towards comparing different approaches in a quantitative manner, demonstrating that the temporal modelling of word representations yields a clear-cut advantage in performance.
• Abstract（参考訳）: 意味変化検出は、時間とともに意味が変化した単語を識別するタスクに関するものである。 現在の最先端は、そのベクトル表現を2つの異なる期間で比較することで、単語の意味的変化のレベルを検出する。 本研究では,意味的にシフトした単語を検出するための3種類の逐次モデルを提案し,時間とともに単語表現の変化を時間的に敏感な方法で効果的に考慮する。 合成データと実データの両方を用いた広範囲な実験を通して, 意味が最も変化した単語を検出するために, 単語ベクトルの逐次モデリングが重要であることを示す。 最後に,単語表現の時間的モデリングが性能において明らかな優位性をもたらすことを示すことによって,異なるアプローチを定量的に比較する。

関連論文リスト

• Evaluating Semantic Variation in Text-to-Image Synthesis: A Causal Perspective [50.261681681643076]
  本稿では,SemVarEffectとSemVarBenchというベンチマークを用いて,テキスト・画像合成における入力のセマンティックな変化と出力の因果性を評価する。 本研究は,T2I合成コミュニティによるヒューマンインストラクション理解の探索を促進する効果的な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2024-10-14T08:45:35Z)
• Distractors-Immune Representation Learning with Cross-modal Contrastive Regularization for Change Captioning [71.14084801851381]
  変更キャプションは、類似した画像間のセマンティックな変化を簡潔に記述することを目的としている。 既存のほとんどの手法は、それらの違いを直接キャプチャし、エラーを起こしやすい特徴を得るリスクを負う。 本稿では,2つの画像表現の対応するチャネルを関連づけるイントラクタ免疫表現学習ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T13:00:33Z)
• Definition generation for lexical semantic change detection [3.7297237438000788]
  ダイアクロニック辞書意味変化検出(LSCD)タスクにおける意味表現として,大言語モデルによって生成された文脈化された単語定義を用いる。 つまり、生成された定義を感覚として使用し、比較対象単語の変化スコアを、比較対象単語の分布を2つの期間に比較して検索する。 本手法は従来の非教師付きLSCD法と同等か優れる。
  論文  参考訳（メタデータ） (2024-06-20T10:13:08Z)
• Using Synchronic Definitions and Semantic Relations to Classify Semantic Change Types [1.3436368800886478]
  本稿では、同期語彙関係と単語の意味定義の両方から情報を活用するモデルを提案する。 具体的には,WordNet の構文定義と階層情報を用いて,Blank (1997) のセマンティックチェンジ型データセットのデジタル化バージョンでそれをテストする。
  論文  参考訳（メタデータ） (2024-06-05T16:52:21Z)
• Unsupervised Semantic Variation Prediction using the Distribution of Sibling Embeddings [17.803726860514193]
  単語の意味的変化の検出は,様々なNLPアプリケーションにおいて重要な課題である。 意味表現だけではそのような意味的バリエーションを正確に捉えることはできないと我々は主張する。 対象単語の文脈的埋め込みのコホート全体を利用する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-15T13:58:21Z)
• Grammatical Profiling for Semantic Change Detection [6.3596637237946725]
  文法的プロファイリングを意味変化検出の代替手法として用いている。 意味的変化の検出に使用することができ、また、いくつかの分布的意味的手法よりも優れていることを実証する。
  論文  参考訳（メタデータ） (2021-09-21T18:38:18Z)
• Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
  画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。 提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2021-04-20T17:56:24Z)
• Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
  語彙意味変化をモデル化するための自己教師付きアプローチを提案する。 本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
  論文  参考訳（メタデータ） (2021-01-30T18:59:43Z)
• Lexical semantic change for Ancient Greek and Latin [61.69697586178796]
  歴史的文脈における単語の正しい意味の連想は、ダイアクロニック研究の中心的な課題である。 我々は、動的ベイズ混合モデルに基づくセマンティック変化に対する最近の計算的アプローチに基づいて構築する。 本研究では,動的ベイズ混合モデルと最先端埋め込みモデルとのセマンティックな変化を系統的に比較する。
  論文  参考訳（メタデータ） (2021-01-22T12:04:08Z)
• SChME at SemEval-2020 Task 1: A Model Ensemble for Detecting Lexical Semantic Change [58.87961226278285]
  本稿では,SemEval-2020 Task 1における語彙意味変化の教師なし検出法であるSChMEについて述べる。 SChMEは、分布モデル(単語埋め込み)とワード周波数モデルの信号を組み合わせたモデルアンサンブルを使用し、各モデルは、その特徴に応じて単語が苦しむ確率を示す投票を行う。
  論文  参考訳（メタデータ） (2020-12-02T23:56:34Z)
• Analysing Lexical Semantic Change with Contextualised Word Representations [7.071298726856781]
  本稿では,BERTニューラルネットワークモデルを用いて単語使用率の表現を求める手法を提案する。 我々は新しい評価データセットを作成し、モデル表現と検出された意味変化が人間の判断と正に相関していることを示す。
  論文  参考訳（メタデータ） (2020-04-29T12:18:14Z)

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。