• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>3rd workshop on representation learning for NLP 2018 >Injecting Lexical Contrast into Word Vectors by Guiding Vector Space Specialisation
【24h】

Injecting Lexical Contrast into Word Vectors by Guiding Vector Space Specialisation

机译：通过指导向量空间专业化将词法对比注入词向量

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

Word vector space specialisation models offer a portable, light-weight approach to fine-tuning arbitrary distributional vector spaces to discern between synonymy and antonymy. Their effectiveness is drawn from external linguistic constraints that specify the exact lexical relation between words. In this work, we show that a careful selection of the external constraints can steer and improve the specialisation. By simply selecting appropriate constraints, we report state-of-the-art results on a suite of tasks with well-defined benchmarks where modeling lexical contrast is crucial: 1) true semantic similarity, with highest reported scores on SimLex-999 and SimVerb-3500 to date: 2) detecting antonyms; and 3) distinguishing antonyms from synonyms.
机译：词向量空间专业化模型提供了一种轻便，轻巧的方法来微调任意分布向量空间，以区分同义词和反义词。它们的有效性来自外部语言约束，这些约束指定了单词之间的确切词汇关系。在这项工作中，我们表明，精心选择外部约束条件可以引导和改善专业化水平。通过简单地选择适当的约束条件，我们报告了一系列任务的最新结果，这些任务具有明确定义的基准，其中建模词汇对比至关重要：1）真正的语义相似性，在SimLex-999和SimVerb-上得分最高3500年至今：2）检测反义词； 3）区分反义词和同义词。

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