识别与解释判别性属性
计算与语言
2019-09-13 v1 人工智能
摘要
识别一个词意义的核心所在以及将其与其他词区分开来的属性，是一项基础的自然语言推理任务。本文描述了一种显式词向量表示模型（WVM）以支持判别性属性的识别。本文的核心贡献是对不同类型数据源和知识库在构建可解释显式WVM中的定量与定性比较分析：（i）由词典定义构建的知识图谱，（ii）从图像导出的实体-属性-关系图，以及（iii）常识知识图谱。通过详细的定量与定性分析，我们证明这些数据源具有互补的语义方面，支持显式语义向量空间的创建。该显式向量空间使用判别性属性识别任务进行评估，在该任务中展现出与最先进（SOTA）系统相当的性能（F1-score = 0.69），同时提供完全的模型透明性与可解释性。
引用
@article{arxiv.1909.05363,
title = {Identifying and Explaining Discriminative Attributes},
author = {Armins Stepanjans and André Freitas},
journal= {arXiv preprint arXiv:1909.05363},
year = {2019}
}
备注
EMNLP-IJCNLP 2019, source code available at https://github.com/ab-10/hawk