使用混合密度网络的地理位置与词汇方言学的连续位置表示

Afshin Rahimi; Timothy Baldwin; Trevor Cohn

使用混合密度网络的地理位置与词汇方言学的连续位置表示

计算与语言 2017-08-16 v1 信息检索社会与信息网络

作者: Afshin Rahimi , Timothy Baldwin , Trevor Cohn

摘要

我们提出了一种使用结合高斯分布混合的神经网络模型将二维位置嵌入连续向量空间的方法，并提出了两个用于基于文本的地理位置预测和词汇方言学的模型变体。在 Twitter 数据上的评估表明，所提出的模型优于传统的基于回归的地理位置预测，并提供了更好的不确定性估计。我们还展示了该表示在词汇方言学中从位置预测词汇的有效性，并使用 DARE 数据集对其进行了评估。

关键词

地理位置预测词汇方言学混合密度网络连续表示神经语言模型

引用

@article{arxiv.1708.04358,
  title  = {Continuous Representation of Location for Geolocation and Lexical Dialectology using Mixture Density Networks},
  author = {Afshin Rahimi and Timothy Baldwin and Trevor Cohn},
  journal= {arXiv preprint arXiv:1708.04358},
  year   = {2017}
}

备注

Conference on Empirical Methods in Natural Language Processing (EMNLP 2017) September 2017, Copenhagen, Denmark

使用混合密度网络的地理位置与词汇方言学的连续位置表示

摘要

关键词

引用

备注

相关论文