通过双曲嵌入从文本语料库推断概念层次结构
计算与语言
2019-02-05 v1
摘要
我们考虑从大规模文本语料库中推断 is-a 关系的任务。为此，我们提出一种结合双曲嵌入与 Hearst 模式的新方法。该方法使我们能够为从分布上下文推断概念层次结构设置适当约束，同时也能预测缺失的 is-a 关系并纠正错误抽取。此外——且与其他方法不同——双曲空间的层次本质使我们能够学习高效的表示并改善所推断层次结构的分类一致性。在实验上，我们表明我们的方法在多个常用基准上取得了最先进的性能。
引用
@article{arxiv.1902.00913,
title = {Inferring Concept Hierarchies from Text Corpora via Hyperbolic Embeddings},
author = {Matt Le and Stephen Roller and Laetitia Papaxanthos and Douwe Kiela and Maximilian Nickel},
journal= {arXiv preprint arXiv:1902.00913},
year = {2019}
}