RetroGAN：一种用于改进未知知识与罕见词表示的循环式后置专门化系统
计算与语言
2021-08-31 v1 人工智能
摘要
Retrofitting（后置适配）是一种将词向量在其空间中拉近或推远以反映其在知识库（KB）中关系的技术。然而，retrofitting 仅对出现在该 KB 中的概念有效。RetroGAN 使用一对生成对抗网络（GANs）来学习概念与其 retrofitted 对应项之间的一对一映射。它应用该映射（后置专门化，post-specialization）来处理未出现在原始 KB 中的概念，方式类似于某些自然语言系统处理词表外条目。我们在三个词相似度基准及一个下游句子简化任务上测试本系统，并达到了最优性能（CARD-660）。总体而言，我们的结果证明了本系统对未知知识与罕见词泛化的有效性。
引用
@article{arxiv.2108.12941,
title = {RetroGAN: A Cyclic Post-Specialization System for Improving Out-of-Knowledge and Rare Word Representations},
author = {Pedro Colon-Hernandez and Yida Xin and Henry Lieberman and Catherine Havasi and Cynthia Breazeal and Peter Chin},
journal= {arXiv preprint arXiv:2108.12941},
year = {2021}
}