词嵌入空间的 Gromov-Wasserstein 对齐
计算与语言
2018-09-05 v1
摘要
跨语言或跨领域的对应关系在从机器翻译到迁移学习的任务中起着关键作用。近来，基于单语嵌入且完全无监督的方法已成为有效的对齐工具。然而，当前最先进的方法涉及多个步骤，包括启发式的事后精炼策略。在本文中，我们将对应问题直接视为最优传输（OT）问题，其出发点是词嵌入源于度量恢复算法。事实上，我们利用 Gromov-Wasserstein 距离来度量跨语言时词对之间的相似性如何关联。我们表明，我们的 OT 目标可高效估计，几乎不需要调参，并在多种无监督词翻译任务中取得与最先进水平相当的性能。
引用
@article{arxiv.1809.00013,
title = {Gromov-Wasserstein Alignment of Word Embedding Spaces},
author = {David Alvarez-Melis and Tommi S. Jaakkola},
journal= {arXiv preprint arXiv:1809.00013},
year = {2018}
}
备注
EMNLP 2018