KSU KDD：主题空间聚类进行词义归纳
计算与语言
2015-03-06 v1 人工智能
应用统计
机器学习
摘要
我们描述了一种与语言无关的无监督词义归纳系统。该系统仅利用主题特征，在全局上下文主题空间中对不同的词义进行聚类。利用未标记数据，该系统训练一个潜在狄利克雷分配 (LDA) 主题模型，然后利用该模型推断测试实例的主题分布。通过在主题空间中对这些主题分布进行聚类，我们将它们划分为不同的词义。我们的假设是，主题空间中的接近程度反映了不同词义之间的相似性。该系统参加了 SemEval-2 词义归纳与消歧任务，并在所有其他系统中取得了第二高的 V-measure 分数。
引用
@article{arxiv.1302.7056,
title = {KSU KDD: Word Sense Induction by Clustering in Topic Space},
author = {Wesam Elshamy and Doina Caragea and William Hsu},
journal= {arXiv preprint arXiv:1302.7056},
year = {2015}
}