論文の概要: Lex2vec: making Explainable Word Embedding via Distant Supervision
- arxiv url: http://arxiv.org/abs/2103.02269v1
- Date: Wed, 3 Mar 2021 09:11:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-07 02:47:27.771938
- Title: Lex2vec: making Explainable Word Embedding via Distant Supervision
- Title(参考訳): Lex2vec: Distant Supervisionによる説明可能な単語埋め込み
- Authors: Fabio Celli
- Abstract要約: Lex2vecは語彙リソースを利用して単語埋め込みに情報を注入する。
読みやすい複数の情報ラベルを抽出するために最適なパラメータを評価する。
- 参考スコア(独自算出の注目度): 0.835070936044077
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this technical report we propose an algorithm, called Lex2vec, that
exploits lexical resources to inject information into word embeddings and name
the embedding dimensions by means of distant supervision. We evaluate the
optimal parameters to extract a number of informative labels that is readable
and has a good coverage for the embedding dimensions.
- Abstract(参考訳): 本稿では,語彙資源を利用して単語埋め込みに情報を注入し,その埋め込み次元を遠隔監視により命名するLex2vecというアルゴリズムを提案する。
本研究は, 可読性が高く, 埋込寸法が良好な情報ラベルを抽出するための最適パラメータの評価を行う。
関連論文リスト
- LexMatcher: Dictionary-centric Data Collection for LLM-based Machine Translation [67.24113079928668]
本稿では、バイリンガル辞書に見られる感覚のカバレッジによって駆動されるデータキュレーション手法であるLexMatcherを提案する。
我々の手法は、WMT2022テストセットの確立されたベースラインよりも優れています。
論文 参考訳(メタデータ) (2024-06-03T15:30:36Z) - Unifying Latent and Lexicon Representations for Effective Video-Text
Retrieval [87.69394953339238]
ビデオテキスト検索における微細な意味を捉えるために語彙表現を学習するUNIFYフレームワークを提案する。
MSR-VTT と DiDeMo をそれぞれ4.8%,Recall@1 を8.2%改善した。
論文 参考訳(メタデータ) (2024-02-26T17:36:50Z) - LexC-Gen: Generating Data for Extremely Low-Resource Languages with Large Language Models and Bilingual Lexicons [17.776755522093595]
LexC-Genは、大規模に低リソースの分類タスクデータを生成する方法である。
両言語レキシコンの条件付けがLexC-Genの重要な構成要素であることを示す。
論文 参考訳(メタデータ) (2024-02-21T19:20:06Z) - Lex2Sent: A bagging approach to unsupervised sentiment analysis [0.628122931748758]
本稿では,テキストの分類方法として,Lex2Sentを提案する。
テキストを分類するために、文書埋め込みと適切な辞書の埋め込みの距離を決定するために埋め込みモデルを訓練する。
本稿では,このモデルがレキシカよりも優れており,バイナリ感情分析のタスクにおいて,高パフォーマンスな数発の微調整手法の基盤となることを示す。
論文 参考訳(メタデータ) (2022-09-26T20:49:18Z) - Word Tour: One-dimensional Word Embeddings via the Traveling Salesman
Problem [6.09170287691728]
本研究では,教師なし1次元単語埋め込みのWordTourを提案する。
そこで本研究では,単語埋め込みのデシラタを,完全性と健全性という2つの部分に分解する手法を提案する。
単一の次元のため、WordTourは非常に効率的で、単語の埋め込みを処理するための最小限の手段を提供する。
論文 参考訳(メタデータ) (2022-05-04T08:46:02Z) - DyLex: Incorporating Dynamic Lexicons into BERT for Sequence Labeling [49.3379730319246]
BERTに基づくシーケンスラベリングタスクのためのプラグインレキシコンの組込み手法であるDyLexを提案する。
語彙を更新しながら表現を再学習しないように,単語に依存しないタグ埋め込みを採用する。
最後に,提案フレームワークのプラグイン性を保証するために,協調的注意に基づく知識融合機構を導入する。
論文 参考訳(メタデータ) (2021-09-18T03:15:49Z) - 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) - Named Tensor Notation [117.30373263410507]
名前付き軸を持つテンソルの表記法を提案する。
著者、読者、および将来の実装者は、軸の順序を追跡する負担から解放されます。
また、低階テンソル上の操作を高階テンソルに拡張するのも容易である。
論文 参考訳(メタデータ) (2021-02-25T22:21:30Z) - Bilingual Lexicon Induction via Unsupervised Bitext Construction and
Word Alignment [49.3253280592705]
我々は,bitextマイニングと教師なし単語アライメントを組み合わせた手法により,はるかに高品質な語彙を生成可能であることを示す。
私たちの最終モデルは、BUCC 2020共有タスクの最先端を14 $F_1$ポイント、平均12以上の言語ペアで上回ります。
論文 参考訳(メタデータ) (2021-01-01T03:12:42Z) - Hybrid Improved Document-level Embedding (HIDE) [5.33024001730262]
ハイブリット改善文書レベルの埋め込みを提案する。
ドメイン情報、音声情報の一部、感情情報をGloVeやWord2Vecなどの既存の単語埋め込みに組み込む。
本稿では,GloVe や Word2Vec などの既存の事前学習語ベクトルの精度を大幅に向上することを示す。
論文 参考訳(メタデータ) (2020-06-01T19:09:13Z)
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。