論文の概要: Principal Components of the Meaning
- arxiv url: http://arxiv.org/abs/2009.08859v1
- Date: Fri, 18 Sep 2020 14:28:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 02:25:36.105199
- Title: Principal Components of the Meaning
- Title（参考訳）: 意味の主要な構成要素
- Authors: Neslihan Suzen, Alexander Gorban, Jeremy Levesley, and Evgeny Mirkes
- Abstract要約: 科学における(語彙的な)意味は、13次元の意味空間で表すことができる。
この空間は、単語カテゴリ相対情報ゲインの行列上の主成分分析(特異分解)を用いて構成される。
- 参考スコア（独自算出の注目度）: 58.720142291102135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we argue that (lexical) meaning in science can be represented
in a 13 dimension Meaning Space. This space is constructed using principal
component analysis (singular decomposition) on the matrix of word category
relative information gains, where the categories are those used by the Web of
Science, and the words are taken from a reduced word set from texts in the Web
of Science. We show that this reduced word set plausibly represents all texts
in the corpus, so that the principal component analysis has some objective
meaning with respect to the corpus. We argue that 13 dimensions is adequate to
describe the meaning of scientific texts, and hypothesise about the qualitative
meaning of the principal components.
- Abstract（参考訳）: 本稿では、科学における(語彙的な)意味が13次元の意味空間で表現できると主張する。
この空間は、単語カテゴリ相対情報ゲインの行列上の主成分分析(特異分解)を用いて構築され、そのカテゴリは、Web of Scienceが使用するもので、その単語は、Web of Scienceのテキストから設定された縮小された単語から取られる。
この単語集合はコーパス中のすべてのテキストを多義的に表現し,主成分分析がコーパスに対して客観的な意味を持つことを示す。
13次元は、科学文献の意味を記述するのに十分であり、主成分の質的な意味についての仮説である。
関連論文リスト
- Measuring Meaning Composition in the Human Brain with Composition Scores from Large Language Models [53.840982361119565]
コンポジションスコアは、文理解中に意味合成の度合いを定量化するために設計された、新しいモデルに基づく計量である。
実験結果から, 単語の頻度, 構造処理, 単語に対する一般感性に関連する脳クラスタとの関連が示唆された。
論文 参考訳（メタデータ） (2024-03-07T08:44:42Z) - Neighboring Words Affect Human Interpretation of Saliency Explanations [65.29015910991261]
単語レベルのサリエンシの説明は、しばしばテキストベースのモデルで特徴属性を伝えるために使われる。
近年の研究では、単語の長さなどの表面的要因が、コミュニケーションされたサリエンシスコアの人間の解釈を歪めてしまうことが報告されている。
本研究では,単語の近傍にある単語のマーキングが,その単語の重要性に対する説明者の認識にどのように影響するかを検討する。
論文 参考訳（メタデータ） (2023-05-04T09:50:25Z) - An Informational Space Based Semantic Analysis for Scientific Texts [62.997667081978825]
本稿では、意味分析のための計算手法と、短い科学的テキストの意味の定量化について紹介する。
科学的意味の表現は、心理的特性ではなく、状況表現を置き換えることで標準化される。
本研究は,テキストの意味の幾何学的表現の基礎となる研究である。
論文 参考訳（メタデータ） (2022-05-31T11:19:32Z) - Semantic Analysis for Automated Evaluation of the Potential Impact of
Research Articles [62.997667081978825]
本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。
この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。
テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
論文 参考訳（メタデータ） (2021-04-26T20:37:13Z) - Context-theoretic Semantics for Natural Language: an Algebraic Framework [0.0]
本稿では,単語,句,文がすべてベクトルとして表現される自然言語意味論の枠組みを提案する。
単語のベクトル表現は、体上の代数の要素とみなすことができる。
論文 参考訳（メタデータ） (2020-09-22T13:31:37Z) - Informational Space of Meaning for Scientific Texts [68.8204255655161]
本稿では,単語の意味を,テキストが属する対象カテゴリに関する相対情報ゲイン(RIG)のベクトルで表現する意味空間を紹介する。
Leicester Scientific Corpus (LSC) と Leicester Scientific Dictionary-Core (LScDC) に基づく意味空間の構築に本手法を適用した。
RIGに基づく提案モデルでは,カテゴリ内の話題特化語を際立たせる能力があることが示されている。
論文 参考訳（メタデータ） (2020-04-28T14:26:12Z)
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。