OmniGraph：丰富表示与图核学习
计算与语言
2015-10-13 v1 机器学习
摘要
OmniGraph 是一种支持一系列 NLP 分类任务的新颖表示方法，它将词项、句法依存与框架语义解析整合为图。通过卷积图核学习将特征工程融入学习过程中，以探索图的不同范围。高维特征空间包含单个节点以及复杂子图。在预测公司提及新闻引起股价变化的文本预测问题实验中，OmniGraph 击败了基于词袋、句法依存和语义树的多个基准模型。OmniGraph 发现的高表达力特征为不同市场板块间的语义提供了深刻见解。为了证明该方法的通用性，我们还报告了其在细粒度情感语料库上的高性能结果。
引用
@article{arxiv.1510.02983,
title = {OmniGraph: Rich Representation and Graph Kernel Learning},
author = {Boyi Xie and Rebecca J. Passonneau},
journal= {arXiv preprint arXiv:1510.02983},
year = {2015}
}