基于多核高斯过程的语义距离测量
代数几何
2025-12-16 v1 微分几何
摘要
语义距离测量是计算语言学中的基本问题，为文本片段之间的相似性或相关性提供定量表征，支撑文本检索和文本分类等任务。从数学角度看，语义距离可视为定义在文本空间或从文本派生的表示空间上的度量。然而，大多数经典语义距离方法本质上是固定的，难以适应特定数据分布和任务要求。在本文中，我们提出了一种基于多核高斯过程 (MK-GP) 的语义距离测量方法。将文本相关的隐含语义函数建模为高斯过程，其协方差函数由组合在一起的核函数给出，包含 Mat\'ern 和多项式组件。核参数在监督下从数据中自动学习，而非手工构建。我们在大型语言模型下的情感分类 with in-context learning (ICL) 框架中实例化并评估了该语义距离。实验结果表明，所提方法有效。
引用
@article{arxiv.2512.12237,
title = {Minimal rational curves on equivariant compactifications of symmetric spaces},
author = {Jun-Muk Hwang and Qifeng Li},
journal= {arXiv preprint arXiv:2512.12237},
year = {2025}
}
备注
To appear in IMRN