論文の概要: comp-syn: Perceptually Grounded Word Embeddings with Color

• arxiv url: http://arxiv.org/abs/2010.04292v2
• Date: Mon, 19 Oct 2020 05:22:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 11:39:51.599932
• Title: comp-syn: Perceptually Grounded Word Embeddings with Color
• Title（参考訳）: comp-syn:色付き知覚的接地語埋め込み
• Authors: Bhargav Srinivasa Desikan, Tasker Hull, Ethan O. Nadler, Douglas Guilbeault, Aabir Abubaker Kar, Mark Chu and Donald Ruggiero Lo Sardo
• Abstract要約: comp-synは、Google画像検索結果の知覚的に均一な色分布に基づいた単語埋め込みを提供する。 comp-synはPyPi上でオープンソースであり、メインストリームの機械学習Pythonパッケージと互換性がある。
• 参考スコア（独自算出の注目度）: 1.0621485365427568
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Popular approaches to natural language processing create word embeddings based on textual co-occurrence patterns, but often ignore embodied, sensory aspects of language. Here, we introduce the Python package comp-syn, which provides grounded word embeddings based on the perceptually uniform color distributions of Google Image search results. We demonstrate that comp-syn significantly enriches models of distributional semantics. In particular, we show that (1) comp-syn predicts human judgments of word concreteness with greater accuracy and in a more interpretable fashion than word2vec using low-dimensional word-color embeddings, and (2) comp-syn performs comparably to word2vec on a metaphorical vs. literal word-pair classification task. comp-syn is open-source on PyPi and is compatible with mainstream machine-learning Python packages. Our package release includes word-color embeddings for over 40,000 English words, each associated with crowd-sourced word concreteness judgments.
• Abstract（参考訳）: 自然言語処理に対する一般的なアプローチは、テキストの共起パターンに基づいて単語埋め込みを生成するが、しばしば言語の具体化された感覚的側面を無視している。 ここでは,画像検索結果の知覚的均一な色分布に基づく接地語埋め込みを提供するPythonパッケージcomp-synを紹介する。 comp-syn が分布意味論のモデルを大幅に強化することを示す。 特に,(1)comp-synは,低次元のワードカラー埋め込みを用いて,word2vecよりも正確かつ解釈可能な方法で単語の具体性判定を予測し,(2)comp-synはメタファとリテラルなワードペア分類タスクでword2vecと比較可能であることを示す。 comp-synはPyPi上でオープンソースであり、主流の機械学習Pythonパッケージと互換性がある。 私たちのパッケージリリースには、4万以上の英語単語に対するワードカラー埋め込みが含まれています。

関連論文リスト

• Domain Embeddings for Generating Complex Descriptions of Concepts in Italian Language [65.268245109828]
  電子辞書から抽出した言語情報と語彙情報に富んだ分布意味資源を提案する。 リソースは21のドメイン固有の行列と1つの包括的なマトリックスとグラフィカルユーザインタフェースから構成される。 本モデルは,具体的概念知識に直接関連した行列を選択することにより,概念の意味的記述の推論を容易にする。
  論文  参考訳（メタデータ） (2024-02-26T15:04:35Z)
• Semeval-2022 Task 1: CODWOE -- Comparing Dictionaries and Word Embeddings [1.5293427903448025]
  我々は不透明な単語ベクトルと人間可読な定義との関係に焦点をあてる。 この問題は自然に2つのサブタスクに分けられる: 定義を埋め込みに変換し、埋め込みを定義に変換する。 このタスクは、同質に訓練された埋め込みの同等のセットを使用して、多言語設定で実行された。
  論文  参考訳（メタデータ） (2022-05-27T09:40:33Z)
• Keywords and Instances: A Hierarchical Contrastive Learning Framework Unifying Hybrid Granularities for Text Generation [59.01297461453444]
  入力テキスト中のハイブリッドな粒度意味を統一する階層的コントラスト学習機構を提案する。 実験により,本モデルがパラフレージング,対話生成,ストーリーテリングタスクにおいて,競争ベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2022-05-26T13:26:03Z)
• Human-in-the-Loop Refinement of Word Embeddings [0.0]
  単語埋め込み後処理の適応を組み込んだシステムを提案する。 我々のアプローチは、人間が対話的に単語の埋め込みによって潜在的な品質問題を特定し、対処することを可能にする。 また、単語の埋め込み、単語の埋め込みに対する改善が機械学習パイプラインに与える影響について、より深い洞察を与えることができる。
  論文  参考訳（メタデータ） (2021-10-06T16:10:32Z)
• Augmenting semantic lexicons using word embeddings and transfer learning [1.101002667958165]
  本稿では,単語埋め込みと伝達学習を用いて,感情スコアを比較的低コストで拡張するための2つのモデルを提案する。 評価の結果、両モデルともAmazon Mechanical Turkのレビュアーと同様の精度で新しい単語を採点できるが、コストはごくわずかである。
  論文  参考訳（メタデータ） (2021-09-18T20:59:52Z)
• Word2Pix: Word to Pixel Cross Attention Transformer in Visual Grounding [59.8167502322261]
  本稿では,エンコーダ・デコーダ・トランスフォーマアーキテクチャに基づくワンステージ視覚グラウンドネットワークであるWord2Pixを提案する。 クエリ文からの各単語の埋め込みは、個別に視覚画素に参画することで同様に処理される。 提案されたWord2Pixは、既存のワンステージメソッドよりも顕著なマージンで優れている。
  論文  参考訳（メタデータ） (2021-07-31T10:20:15Z)
• 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)
• Learning Contextualised Cross-lingual Word Embeddings and Alignments for Extremely Low-Resource Languages Using Parallel Corpora [63.5286019659504]
  そこで本稿では,小さな並列コーパスに基づく文脈型言語間単語埋め込み学習手法を提案する。 本手法は,入力文の翻訳と再構成を同時に行うLSTMエンコーダデコーダモデルを用いて単語埋め込みを実現する。
  論文  参考訳（メタデータ） (2020-10-27T22:24:01Z)
• Interactive Re-Fitting as a Technique for Improving Word Embeddings [0.0]
  我々は,単語の集合を互いに近づけることで,単語の埋め込み空間の一部を調整できるようにする。 提案手法では,単語埋め込みにおける潜在的なバイアスをユーザが操作する際,選択的な後処理をトリガーし,評価することができる。
  論文  参考訳（メタデータ） (2020-09-30T21:54:22Z)
• Comparative Analysis of Word Embeddings for Capturing Word Similarities [0.0]
  分散言語表現は、様々な自然言語処理タスクにおいて、言語表現において最も広く使われている技術となっている。 ディープラーニング技術に基づく自然言語処理モデルのほとんどは、単語埋め込みと呼ばれる、すでに訓練済みの分散単語表現を使用している。 適切な単語の埋め込みを選択することは 複雑な作業です なぜなら、投影された埋め込み空間は 人間にとって直感的ではないからです
  論文  参考訳（メタデータ） (2020-05-08T01:16:03Z)
• A Survey on Contextual Embeddings [48.04732268018772]
  文脈埋め込みは、各単語を文脈に基づく表現として割り当て、様々な文脈にまたがる単語の使用を捉え、言語間で伝達される知識を符号化する。 本稿では,既存の文脈埋め込みモデル,言語間多言語事前学習,下流タスクへの文脈埋め込みの適用,モデル圧縮,モデル解析についてレビューする。
  論文  参考訳（メタデータ） (2020-03-16T15:22:22Z)

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。