論文の概要: Evolution of Semantic Similarity -- A Survey

• arxiv url: http://arxiv.org/abs/2004.13820v2
• Date: Sat, 30 Jan 2021 15:57:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 00:32:43.678592
• Title: Evolution of Semantic Similarity -- A Survey
• Title（参考訳）: 意味的類似性の進化-調査
• Authors: Dhivya Chandrasekaran and Vijay Mago
• Abstract要約: 自然言語処理(NLP)分野におけるテキストデータ間の意味的類似性の推定は困難かつオープンな研究課題である この問題に対処するために、長年にわたって様々な意味的類似性手法が提案されてきた。 本稿では,知識ベース,コーパスベース,ディープニューラルネットワークベースの手法,ハイブリッド手法といった基本原則に基づいて,これらの手法の進化を追究する。
• 参考スコア（独自算出の注目度）: 8.873705500708196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the semantic similarity between text data is one of the challenging and open research problems in the field of Natural Language Processing (NLP). The versatility of natural language makes it difficult to define rule-based methods for determining semantic similarity measures. In order to address this issue, various semantic similarity methods have been proposed over the years. This survey article traces the evolution of such methods, categorizing them based on their underlying principles as knowledge-based, corpus-based, deep neural network-based methods, and hybrid methods. Discussing the strengths and weaknesses of each method, this survey provides a comprehensive view of existing systems in place, for new researchers to experiment and develop innovative ideas to address the issue of semantic similarity.
• Abstract（参考訳）: テキストデータ間の意味的類似性の推定は自然言語処理(nlp)の分野での挑戦的でオープンな研究課題の1つである。 自然言語の汎用性は、意味的類似性尺度を決定するための規則ベースの方法を定義するのを難しくする。 この問題に対処するため、長年にわたり様々な意味的類似性手法が提案されてきた。 本稿では,そのような手法の進化を追跡し,知識ベース,コーパスベース,ディープニューラルネットワークに基づく手法,ハイブリッド手法などの基本原則に基づいて分類する。 各手法の長所と短所を考察し,既存のシステムの包括的視点を提供し,新しい研究者が意味的類似性の問題に取り組むための革新的なアイデアを実験し,開発する。

関連論文リスト

• A study of conceptual language similarity: comparison and evaluation [0.3093890460224435]
  自然言語処理(NLP)に関する興味深い研究は、言語型学を取り入れ、言語多様性を橋渡しすることを目的としている。 最近の研究は、それらが基本的な概念をどのように表現するかに基づいて、言語類似性を定義する新しいアプローチを導入している。 本研究では,概念的類似性を詳細に研究し,二項分類タスクにおいて広範囲に評価する。
  論文  参考訳（メタデータ） (2023-05-22T18:28:02Z)
• A Human Word Association based model for topic detection in social networks [1.8749305679160366]
  本稿では,単語連想の心的能力を模倣する概念に基づく,ソーシャルネットワークの話題検出フレームワークを提案する。 このフレームワークの性能は、トピック検出の分野におけるベンチマークであるFA-CUPデータセットを用いて評価される。
  論文  参考訳（メタデータ） (2023-01-30T17:10:34Z)
• A Survey of Text Representation Methods and Their Genealogy [0.0]
  近年、高度にスケーラブルな人工神経ネットワークベースのテキスト表現法が出現し、自然言語処理の分野は前例のない成長と高度化が見られた。 我々は、系譜にそれらを配置し、テキスト表現方法の分類を概念化し、最先端の状態を検証し、説明することによって、現在のアプローチに関する調査を行う。
  論文  参考訳（メタデータ） (2022-11-26T15:22:01Z)
• An Inclusive Notion of Text [69.36678873492373]
  テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。 言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
  論文  参考訳（メタデータ） (2022-11-10T14:26:43Z)
• Contextualized language models for semantic change detection: lessons learned [4.436724861363513]
  本稿では,ダイアクロニック・セマンティック・チェンジを検出する文脈的埋め込みに基づく手法の出力の質的分析を行う。 本研究の結果から,文脈化手法は,実際のダイアクロニック・セマンティック・シフトを行なわない単語に対して,高い変化スコアを予測できることが示唆された。 我々の結論は、事前学習された文脈化言語モデルは、語彙感覚の変化と文脈分散の変化を補う傾向にあるということである。
  論文  参考訳（メタデータ） (2022-08-31T23:35:24Z)
• Apport des ontologies pour le calcul de la similarit\'e s\'emantique au sein d'un syst\`eme de recommandation [0.0]
  用語、単語、テキストデータ間の意味的関連性や類似性の測定は、異なるアプリケーションにおいて重要な役割を果たす。 提案手法は,レコメンデータシステムを用いて意味的類似性を計算する手法である。
  論文  参考訳（メタデータ） (2022-05-25T07:27:10Z)
• Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
  本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。 本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。 このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-01-01T05:15:42Z)
• A Survey on Deep Semi-supervised Learning [51.26862262550445]
  まず,既存の手法を分類した深層半指導学習の分類法を提案する。 次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
  論文  参考訳（メタデータ） (2021-02-28T16:22:58Z)
• Learning explanations that are hard to vary [75.30552491694066]
  例を越えた平均化は、異なる戦略を縫合する記憶とパッチワークのソリューションに有利であることを示す。 そこで我々は論理ANDに基づく単純な代替アルゴリズムを提案し,実験的に検証する。
  論文  参考訳（メタデータ） (2020-09-01T10:17:48Z)
• A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
  過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。 本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。 特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
  論文  参考訳（メタデータ） (2020-08-02T00:09:03Z)
• There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
  正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。 このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。 本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:58:08Z)

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。