利用上下文词表示学习概念而非词语的分类体系：立场论文
计算与语言
2019-02-07 v1 人工智能
机器学习
机器学习
摘要
分类体系是概念的语义层次结构。当前分类体系学习系统的一个局限在于将概念定义为单个词。本立场论文认为，近期在许多具有竞争力的 NLP 任务上取得 SOTA 结果的上下文词表示，是解决该局限的一种有前景的方法。我们概述了一种新颖的分类体系学习方法，其（1）将概念定义为同义词集，（2）学习上下文词表示的基于密度的近似，（3）能够度量它们之间的相似度与上下位关系。
引用
@article{arxiv.1902.02169,
title = {Learning Taxonomies of Concepts and not Words using Contextualized Word Representations: A Position Paper},
author = {Lukas Schmelzeisen and Steffen Staab},
journal= {arXiv preprint arXiv:1902.02169},
year = {2019}
}
备注
5 pages, 1 figure