LNMap：通过潜空间非线性映射偏离双语词典归纳中的同构假设
计算与语言
2020-10-23 v2 机器学习
摘要
大多数成功且主流的双语词典归纳（BLI）方法都是基于映射的，其中学习一个线性映射函数，并假设不同语言的词嵌入空间表现出相似的几何结构（即近似同构）。然而，近期的若干研究批评了这一简化假设，指出其即便对密切相关语言一般也不成立。在本工作中，我们提出一种新颖的半监督方法来学习用于 BLI 的跨语言词嵌入。我们的模型独立于同构假设，并在两个独立训练的自编码器的潜空间中使用非线性映射。通过在来自两个不同数据集、包含资源富余与低资源语言的十五（15）个不同语言对（双向）上的大量实验，我们表明我们的方法以明显优势优于现有模型。消融研究显示了不同模型组件的重要性以及非线性映射的必要性。
引用
@article{arxiv.2004.13889,
title = {LNMap: Departures from Isomorphic Assumption in Bilingual Lexicon Induction Through Non-Linear Mapping in Latent Space},
author = {Tasnim Mohiuddin and M Saiful Bari and Shafiq Joty},
journal= {arXiv preprint arXiv:2004.13889},
year = {2020}
}
备注
EMNLP 2020 accepted paper