IMS在SemEval-2020任务1中的系统：你能降到多低？词汇语义变化检测中的维度问题
计算与语言
2020-08-10 v1
摘要
我们展示了用于SemEval-2020任务1的系统结果，该系统利用了基于带负采样的Skip-Gram的常用词汇语义变化检测模型。我们的系统聚焦于向量初始化(VI)对齐，将VI与当前子任务2中排名靠前的模型进行比较，并证明若我们优化VI维度，这些模型可以被超越。我们证明性能差异在很大程度上可归因于模型特定的噪声来源，并揭示了VI对齐中维度与频率诱导噪声之间的强关系。我们的结果表明，集成向量空间对齐的词汇语义变化模型应更多地关注维度参数的作用。
引用
@article{arxiv.2008.03164,
title = {IMS at SemEval-2020 Task 1: How low can you go? Dimensionality in Lexical Semantic Change Detection},
author = {Jens Kaiser and Dominik Schlechtweg and Sean Papay and Sabine Schulte im Walde},
journal= {arXiv preprint arXiv:2008.03164},
year = {2020}
}