用于上位词检测和方向性的层次嵌入
计算与语言
2017-07-25 v1
摘要
我们提出了一种新颖的神经模型 HyperVec，用于学习层次嵌入以进行上位词检测和方向性判断。尽管先前的嵌入在原型上位词上表现出局限性，HyperVec 代表了一种无监督度量，其中嵌入以特定顺序学习并捕获上位词-下位词的分布层次。此外，我们的模型在使用少量训练数据时能够泛化到未见过的上位词对，并通过映射到其他语言进行泛化。基准数据集上的结果表明，HyperVec 在上位词检测和方向性以及预测分级词汇蕴含方面均优于当前最先进的无监督度量和嵌入模型。
引用
@article{arxiv.1707.07273,
title = {Hierarchical Embeddings for Hypernymy Detection and Directionality},
author = {Kim Anh Nguyen and Maximilian Köper and Sabine Schulte im Walde and Ngoc Thang Vu},
journal= {arXiv preprint arXiv:1707.07273},
year = {2017}
}
备注
11 pages, accepted as long paper at EMNLP 2017