评估文档嵌入向量差在关系学习中的效用
计算与语言
2019-07-19 v1
摘要
近期研究表明，通过相减预训练词嵌入向量所获得的向量偏移能够以惊人的准确度预测词汇关系。受此发现的启发，本文将这一思想推广至文档层面：生成文档级嵌入，计算它们之间的差距，并使用线性分类器对文档之间的关系进行分类。在重复检测与对话行为标注任务中，我们表明文档级差向量在评估文档级相似性方面具有效用，但在多关系分类中表现较差。
引用
@article{arxiv.1907.08184,
title = {Evaluating the Utility of Document Embedding Vector Difference for Relation Learning},
author = {Jingyuan Zhang and Timothy Baldwin},
journal= {arXiv preprint arXiv:1907.08184},
year = {2019}
}