TED演讲的持久同调：句子嵌入具有拓扑形状吗？
机器学习
2021-03-29 v1
摘要
拓扑数据分析（TDA）近来作为一种从高维数据中提取有意义判别特征的新技术而出现。本文中，我们探讨应用TDA提升公开演讲评分分类准确性的可能性。我们计算了TEDtalk数据句子嵌入的持久图像向量，并将这些向量作为额外输入送入我们的机器学习模型。我们得到了一个否定结果：该拓扑信息并未显著提升模型准确性。在某些情况下，它使准确性略差于原始模型。由我们的结果无法得出结论：句子嵌入的拓扑形状能帮助训练更好的公开演讲评分模型。
引用
@article{arxiv.2103.14131,
title = {Persistence Homology of TEDtalk: Do Sentence Embeddings Have a Topological Shape?},
author = {Shouman Das and Syed A. Haque and Md. Iftekhar Tanveer},
journal= {arXiv preprint arXiv:2103.14131},
year = {2021}
}
备注
6 pages, 2 figures