猫爬蕴含哺乳动物移动：在组合分布语义中保持上下位关系

为给基于向量的意义表示赋予更多结构，一种方法是使用半正定（psd）矩阵。这些矩阵使我们能建模词的相似性以及上下位（is-a）关系。psd 矩阵可在给定向量空间 $M\otimes M^*$ 中相对容易地学习，但要将词组合成短语与句子，我们需要更大空间中的表示。本文中，我们引入一种组合对应于词的 psd 矩阵的通用方法。我们提出将动词、形容词及其他功能词的 psd 矩阵提升为与其语法类型匹配的完全正（CP）映射。该提升由我们称为压缩（Compression, Compr）的组合规则执行。与先前的组合规则如 Fuzz 与 Phaser（亦称 KMult 与 BMult）不同，Compr 保持上下位关系。在数学上，Compr 自身是一个 CP 映射，因此是线性的且一般非交换的。我们基于蜘蛛、杯与帽给出 Compr 结构的若干方案，并生成一系列组合规则。我们在一个小型句子蕴含数据集上测试这些规则，并看到相较 Fuzz 与 Phaser 的性能有所提升。