• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>22nd International Conference on Computational Linguistics >A Uniform Approach to Analogies, Synonyms, Antonyms, and Associations
【24h】

A Uniform Approach to Analogies, Synonyms, Antonyms, and Associations

机译：类推，同义词，反义词和关联的统一方法

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recognizing analogies, synonyms, antonyms, and associations appear to be four distinct tasks, requiring distinct NLP algorithms. In the past, the four tasks have been treated independently, using a wide variety of algorithms. These four semantic classes, however, are a tiny sample of the full range of semantic phenomena, and we cannot afford to create ad hoc algorithms for each semantic phenomenon; we need to seek a unified approach. We propose to subsume a broad range of phenomena under analogies. To limit the scope of this paper, we restrict our attention to the subsumption of synonyms, antonyms, and associations. We introduce a supervised corpus-based machine learning algorithm for classifying analogous word pairs, and we show that it can solve multiple-choice SAT analogy questions, TOEFL synonym questions, ESL synonym-antonym questions, and similar-associated-both questions from cognitive psychology.
机译：识别类比，同义词，反义词和关联似乎是四个不同的任务，需要不同的NLP算法。过去，使用多种算法对这四个任务进行了独立处理。但是，这四个语义类只是整个语义现象的一个很小的示例，我们不能为每种语义现象创建临时算法。我们需要寻求统一的方法。我们建议根据类推归纳各种各样的现象。为了限制本文的范围，我们将注意力集中在同义词，反义词和关联的使用上。我们引入了一种基于语料库的有监督的机器学习算法对相似词对进行分类，并表明该算法可以解决认知心理学中的多项选择SAT类比问题，TOEFL同义词问题，ESL同义词-反义词问题和类似关联的问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号