词嵌入表示的内在子空间评估
计算与语言
2016-06-28 v1
摘要
我们引入一种用于词表示内在评估的新方法。具体而言，我们基于自然语言给 NLP 系统带来困难的特征，确定了四个基本准则；并开发了直接显示表示是否包含满足这些准则所必需子空间的测试。当前的内在评估大多基于词的整体相似性或全空间相似性，从而将向量表示视为点。我们展示了这些基于点的内在评估的局限性。我们将我们的评估方法应用于比较一个计数向量模型和若干神经网络模型，并展示了这些模型的重要性质。
引用
@article{arxiv.1606.07902,
title = {Intrinsic Subspace Evaluation of Word Embedding Representations},
author = {Yadollah Yaghoobzadeh and Hinrich Schütze},
journal= {arXiv preprint arXiv:1606.07902},
year = {2016}
}
备注
Long paper accepted in ACL2016