功能特定词表示的多向关联优化
计算与语言
2020-05-12 v1
摘要
我们提出一个神经框架,用于学习相互关联的词群之间的关联,例如在主谓宾(SVO)结构中所发现的那些。我们的模型诱导出一个联合的功能特定词向量空间,其中例如合理的SVO组合的向量彼此靠近。该模型即使在联合空间中也保留关于词群归属的信息,从而可有效应用于若干对SVO结构进行推理的任务。我们通过在选择偏好估计和事件相似性任务上报告最先进的(state-of-the-art)结果,展示了所提框架的鲁棒性与通用性。结果表明,用我们任务无关的模型学习的表示组合优于先前工作中的任务特定架构,同时将参数数量减少多达95%。
引用
@article{arxiv.2005.05264,
title = {Multidirectional Associative Optimization of Function-Specific Word Representations},
author = {Daniela Gerz and Ivan Vulić and Marek Rei and Roi Reichart and Anna Korhonen},
journal= {arXiv preprint arXiv:2005.05264},
year = {2020}
}
备注
ACL 2020 (Long paper)