• 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 >Metric Learning for Synonym Acquisition
【24h】

Metric Learning for Synonym Acquisition

机译：度量学习以获取同义词

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

The distance or similarity metric plays an important role in many natural language processing (NLP) tasks. Previous studies have demonstrated the effectiveness of a number of metrics such as the Jaccard coefficient, especially in synonym acquisition. While the existing metrics perform quite well, to further improve performance, we propose the use of a supervised machine learning algorithm that fine-tunes them. Given the known instances of similar or dissimilar words, we estimated the parameters of the Mahalanobis distance. We compared a number of metrics in our experiments, and the results show that the proposed metric has a higher mean average precision than other metrics.
机译：距离或相似性度量标准在许多自然语言处理（NLP）任务中起着重要作用。先前的研究已经证明了许多指标（例如Jaccard系数）的有效性，尤其是在同义词获取中。虽然现有指标表现良好，但为了进一步提高性能，我们建议使用有监督的机器学习算法来对其进行微调。给定已知相似或不相似词的实例，我们估计了马氏距离的参数。我们在实验中比较了许多指标，结果表明，提出的指标比其他指标具有更高的平均平均精度。

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