精简的分布建模：仅从文本中进行一次性词学习
计算与语言
2017-10-16 v4
摘要
我们测试分布模型是否能够仅从文本中进行定义属性的单次学习（one-shot learning）。使用贝叶斯模型，我们发现首先在已知数据中学习总体结构、文本上下文中的规律以及属性中的规律，有助于单次学习，并且单个上下文项可以具有高度信息性。我们的实验表明，当给定信息丰富的话语时，我们的模型可以从单次暴露中学习属性。
引用
@article{arxiv.1704.04550,
title = {Distributional Modeling on a Diet: One-shot Word Learning from Text Only},
author = {Su Wang and Stephen Roller and Katrin Erk},
journal= {arXiv preprint arXiv:1704.04550},
year = {2017}
}
备注
The 8th International Joint Conference on Natural Language Processing (IJCNLP 2017)