論文の概要: Structural invariants and semantic fingerprints in the "ego network" of
words
- arxiv url: http://arxiv.org/abs/2203.00588v2
- Date: Mon, 3 Apr 2023 06:51:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 01:44:12.808929
- Title: Structural invariants and semantic fingerprints in the "ego network" of
words
- Title（参考訳）: 単語の「エゴネットワーク」における構造的不変性と意味的指紋
- Authors: Kilian Ollivier and Chiara Boldrini and Andrea Passarella and Marco
Conti
- Abstract要約: 同様の規則性は、言語生産など他の認知プロセスにも見られると仮定する。
我々は、確立された社会的認知的制約を明らかにするために使用される方法論と似た手法を用いる。
構造レベルと意味レベルの両方で規則性を見つけます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Well-established cognitive models coming from anthropology have shown that,
due to the cognitive constraints that limit our "bandwidth" for social
interactions, humans organize their social relations according to a regular
structure. In this work, we postulate that similar regularities can be found in
other cognitive processes, such as those involving language production. In
order to investigate this claim, we analyse a dataset containing tweets of a
heterogeneous group of Twitter users (regular users and professional writers).
Leveraging a methodology similar to the one used to uncover the
well-established social cognitive constraints, we find regularities at both the
structural and semantic level. At the former, we find that a concentric layered
structure (which we call ego network of words, in analogy to the ego network of
social relationships) very well captures how individuals organise the words
they use. The size of the layers in this structure regularly grows
(approximately 2-3 times with respect to the previous one) when moving
outwards, and the two penultimate external layers consistently account for
approximately 60% and 30% of the used words, irrespective of the number of the
total number of layers of the user. For the semantic analysis, each ring of
each ego network is described by a semantic profile, which captures the topics
associated with the words in the ring. We find that ring #1 has a special role
in the model. It is semantically the most dissimilar and the most diverse among
the rings. We also show that the topics that are important in the innermost
ring also have the characteristic of being predominant in each of the other
rings, as well as in the entire ego network. In this respect, ring #1 can be
seen as the semantic fingerprint of the ego network of words.
- Abstract（参考訳）: 人類学的に確立された認知モデルは、社会的相互作用の「バンド幅」を制限する認知的制約のため、人間は通常の構造に従って社会的関係を組織することを示した。
本研究では,言語生産など他の認知過程に類似した規則性が存在することを仮定する。
この主張を調査するために、Twitterユーザ(正規ユーザとプロのライター)の不均一なグループのつぶやきを含むデータセットを分析した。
確立された社会的認知の制約を明らかにするために用いられる方法論に類似した手法を利用することで、構造的および意味的両方のレベルで規則性を見出す。
前者では、同心的な階層構造(言葉のエゴネットワーク、社会関係のエゴネットワークと類似)が、個人が使用する単語をどう整理するかをうまく捉えている。
この構造内の層の大きさは、外向きに移動すると定期的に増加し(前回に比べて約2〜3倍)、2つの垂直な外部層は、ユーザの総層数に関係なく、使用語の約60%と30%を一貫して占める。
意味分析のために、各egoネットワークの各リングは、そのリング内の単語に関連するトピックをキャプチャするセマンティックプロファイルによって記述される。
環 #1 がモデルに特別な役割を果たすことが分かる。
意味的に最も異なっており、環の中でも最も多様である。
また、最内側のリングにおいて重要なトピックは、他のリングとエゴネットワーク全体において、それぞれに支配的な特徴を持つことも示している。
この点において、環 #1 は単語の ego ネットワークの意味的指紋と見なすことができる。
関連論文リスト
- Data-driven Coreference-based Ontology Building [48.995395445597225]
参照解決は、伝統的に個々の文書理解のコンポーネントとして使用される。
よりグローバルな視点で、すべてのドキュメントレベルのコア参照関係から、ドメインについて何が学べるかを探求します。
コードとともに、クリエイティブ・コモンズライセンスの下でコア参照チェーンをリリースします。
論文 参考訳（メタデータ） (2024-10-22T14:30:40Z) - How Do Transformers Learn Topic Structure: Towards a Mechanistic
Understanding [56.222097640468306]
我々は、トランスフォーマーが「意味構造」を学ぶ方法の機械的理解を提供する
数学的解析とウィキペディアデータの実験を組み合わせることで、埋め込み層と自己保持層がトピック構造をエンコードしていることを示す。
論文 参考訳（メタデータ） (2023-03-07T21:42:17Z) - Neural networks for learning personality traits from natural language [0.0]
この論文プロジェクトは、非常に実験的であり、その背景にある動機は、そのトピックに関する詳細な分析を提示することである。
出発点は、心理学文献が5つの主要な性格特性(Big Five)のマーカーとして定義する形容詞の辞書である。
私たちは2013年にTomas Mikolov氏が発明した分散アルゴリズムのクラスを使用します。
論文 参考訳（メタデータ） (2023-02-23T10:33:40Z) - The Causal Structure of Semantic Ambiguities [0.0]
本研究は,(1)異なる解釈の連立可否度,(2)プロセスにおいて特定の単語がより重要な役割を果たす因果構造,の2つの特徴を同定する。
我々はこの理論を、心理学文献から抽出された曖昧なフレーズのデータセットと、私たちによって収集された人間の妥当性に応用した。
論文 参考訳（メタデータ） (2022-06-14T12:56:34Z) - Latent Topology Induction for Understanding Contextualized
Representations [84.7918739062235]
本研究では,文脈的埋め込みの表現空間について検討し,大規模言語モデルの隠れトポロジについて考察する。
文脈化表現の言語特性を要約した潜在状態のネットワークが存在することを示す。
論文 参考訳（メタデータ） (2022-06-03T11:22:48Z) - Unsupervised Learning of Hierarchical Conversation Structure [50.29889385593043]
ゴール指向の会話は、しばしば意味のあるサブ対話構造を持つが、ドメインに依存しやすい。
この研究は、ターンやサブダイアログのセグメントラベルを含む階層的な会話構造を学習するための教師なしのアプローチを導入する。
復号化構造は3つの会話レベル理解タスクのための言語ニューラルネットワークの強化に有用であることが示されている。
論文 参考訳（メタデータ） (2022-05-24T17:52:34Z) - Seeing Both the Forest and the Trees: Multi-head Attention for Joint
Classification on Different Compositional Levels [15.453888735879525]
自然言語では、単語は関連して文を構成するために使用される。
より低い言語的コンポーネントと高い言語的コンポーネントを明確に結び付けるディープニューラルネットワークアーキテクチャを設計する。
我々のモデルであるMHALは、異なるレベルの粒度でそれらを同時に解くことを学習していることを示す。
論文 参考訳（メタデータ） (2020-11-01T10:44:46Z) - Self-organizing Pattern in Multilayer Network for Words and Syllables [17.69876273827734]
音節の等しく重要な役割を強調する新しい普遍法則を提案する。
英語と中国語のコーパスで単語と音節のランク頻度分布をプロットすることにより、目に見える線が出現し、マスターカーブに適合する。
論文 参考訳（メタデータ） (2020-05-05T12:01:47Z) - Hierarchical Human Parsing with Typed Part-Relation Reasoning [179.64978033077222]
このタスクでは、人体構造をモデル化する方法が中心的なテーマである。
深層グラフネットワークの表現能力と階層的人間構造を同時に活用することを模索する。
論文 参考訳（メタデータ） (2020-03-10T16:45:41Z) - Where New Words Are Born: Distributional Semantic Analysis of Neologisms
and Their Semantic Neighborhoods [51.34667808471513]
分散意味論のパラダイムで定式化されたセマンティック隣人のセマンティック・スパシティと周波数成長率という2つの要因の重要性について検討する。
いずれの因子も単語の出現を予測できるが,後者の仮説はより支持される。
論文 参考訳（メタデータ） (2020-01-21T19:09:49Z)
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。