基于分布包含向量嵌入的高效图式词义归纳
计算与语言
2018-05-31 v2
摘要
词义归纳（WSI）通过无监督地发现多义词的多重词义来处理一词多义问题，可为下游 NLP 任务消解歧义，并令词表示更具可解释性。本文提出一种准确且高效的图式 WSI 方法，其构建全局非负向量嵌入基（如话题般可解释），并在每个多义词的自网络中对该基索引进行聚类。通过采用分布包含向量嵌入作为基形成模型，我们避免了困扰其他图式方法的昂贵最近邻搜索步骤，且不牺牲义类簇的质量。在三个数据集上的实验表明，相较于先前 SOTA 方法，我们所提方法产生了相似或更好的义类簇与嵌入，同时效率显著更高。
引用
@article{arxiv.1804.03257,
title = {Efficient Graph-based Word Sense Induction by Distributional Inclusion Vector Embeddings},
author = {Haw-Shiuan Chang and Amol Agrawal and Ananya Ganesh and Anirudha Desai and Vinayak Mathur and Alfred Hough and Andrew McCallum},
journal= {arXiv preprint arXiv:1804.03257},
year = {2018}
}
备注
TextGraphs 2018: the Workshop on Graph-based Methods for Natural Language Processing