論文の概要: Unsupervised Embedding-based Detection of Lexical Semantic Changes
- arxiv url: http://arxiv.org/abs/2005.07979v1
- Date: Sat, 16 May 2020 13:05:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 12:50:09.308656
- Title: Unsupervised Embedding-based Detection of Lexical Semantic Changes
- Title（参考訳）: 教師なし埋め込みに基づく語彙意味変化の検出
- Authors: Ehsaneddin Asgari and Christoph Ringlstetter and Hinrich Sch\"utze
- Abstract要約: 本稿では,SemEval-2020 Task 1の"Life-Language"チームによって導入されたEmbLexChangeについて述べる。
EmmLexChangeは、ソース内のワードwの埋め込みベースのプロファイルとターゲットドメインとの分岐として定義される。
参照単語の選択に再サンプリングフレームワークを用いることで,英語,ドイツ語,スウェーデン語,ラテン語の語彙・意味的変化を確実に検出できることを示す。
- 参考スコア（独自算出の注目度）: 1.7403133838762452
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper describes EmbLexChange, a system introduced by the "Life-Language"
team for SemEval-2020 Task 1, on unsupervised detection of lexical-semantic
changes. EmbLexChange is defined as the divergence between the embedding based
profiles of word w (calculated with respect to a set of reference words) in the
source and the target domains (source and target domains can be simply two time
frames t1 and t2). The underlying assumption is that the lexical-semantic
change of word w would affect its co-occurring words and subsequently alters
the neighborhoods in the embedding spaces. We show that using a resampling
framework for the selection of reference words, we can reliably detect
lexical-semantic changes in English, German, Swedish, and Latin. EmbLexChange
achieved second place in the binary detection of semantic changes in the
SemEval-2020.
- Abstract（参考訳）: 本稿では,SemEval-2020 Task 1における"Life-Language"チームによって導入されたEmbLexChangeについて述べる。
EmbLexChangeは、ソース内のワードw(参照単語の集合に関する計算)とターゲットドメイン(ソースおよびターゲットドメインは、単純に2つの時間フレームt1,t2)の埋め込みベースプロファイルの分岐として定義される。
基本となる仮定は、単語 w の語彙論的変化がその共起語に影響し、埋め込み空間の近傍を変化させることである。
参照語選択のための再サンプリングフレームワークを用いて,英語,ドイツ語,スウェーデン語,ラテン語の語彙・意味変化を確実に検出できることを示す。
EmbLexChangeはSemEval-2020におけるセマンティックな変化のバイナリ検出において2位を獲得した。
関連論文リスト
- Analyzing Semantic Change through Lexical Replacements [2.509907053583601]
テクトテックス置換による予期せぬ文脈の影響について検討する。
そこで本研究では,テキスト置換方式を提案する。
セマンティックチェンジ検出におけるLLaMaの使用を最初に評価した。
論文 参考訳（メタデータ） (2024-04-29T10:20:41Z) - Always Keep your Target in Mind: Studying Semantics and Improving
Performance of Neural Lexical Substitution [124.99894592871385]
本稿では,従来の言語モデルと最近の言語モデルの両方を用いた語彙置換手法の大規模比較研究を行う。
目的語に関する情報を適切に注入すれば,SOTA LMs/MLMsによるすでに競合する結果がさらに大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-06-07T16:16:19Z) - LexSubCon: Integrating Knowledge from Lexical Resources into Contextual
Embeddings for Lexical Substitution [76.615287796753]
本稿では,コンテキスト埋め込みモデルに基づくエンドツーエンドの語彙置換フレームワークであるLexSubConを紹介する。
これは文脈情報と構造化語彙資源からの知識を組み合わせることで達成される。
我々の実験によると、LexSubConはLS07とCoInCoベンチマークデータセットで従来の最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2021-07-11T21:25:56Z) - 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) - UWB at SemEval-2020 Task 1: Lexical Semantic Change Detection [1.2599533416395767]
本研究は,英語,ドイツ語,ラテン語,スウェーデン語で異なる期間から選択された2つのコーパスにおける特定の単語間の意味的差異について検討する。
本手法はSemEval 2020 Task 1: textitUnsupervised Lexical Semantic Change Detectionのために開発された。
論文 参考訳（メタデータ） (2020-11-30T10:47:45Z) - UoB at SemEval-2020 Task 1: Automatic Identification of Novel Word
Senses [0.6980076213134383]
本稿では,新しい単語認識に適したベイズ単語認識に基づく語彙意味変化検出手法を提案する。
同じアプローチが15年間のTwitterデータから得られたコーパスにも適用され、結果がスラングのインスタンスである可能性のある単語の識別に使用される。
論文 参考訳（メタデータ） (2020-10-18T19:27:06Z) - SST-BERT at SemEval-2020 Task 1: Semantic Shift Tracing by Clustering in
BERT-based Embedding Spaces [63.17308641484404]
本稿では,異なる単語の意味の表現として,各単語の異なる事象のクラスタを特定することを提案する。
得られたクラスタの分解は、自然に4つのターゲット言語において、各ターゲットワードごとの意味的シフトのレベルを定量化することができる。
当社のアプローチは,提供されたすべてのSemEvalベースラインを抜いて,個別(言語毎)と全体の両方で良好に動作します。
論文 参考訳（メタデータ） (2020-10-02T08:38:40Z) - SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection [10.606357227329822]
評価は、現在、レキシカルセマンティック・チェンジ検出において最も差し迫った問題である。
コミュニティにとって金の基準は存在せず、進歩を妨げている。
このギャップに対処する最初の共有タスクの結果を示す。
論文 参考訳（メタデータ） (2020-07-22T14:37:42Z)
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。