用有监督方向相似性网络为词汇蕴含打分
计算与语言
2018-05-25 v1 机器学习
神经与进化计算
摘要
我们提出了有监督方向相似性网络（SDSN），一种新颖的神经架构，用于在通用词嵌入之上学习任务特定的变换函数。仅依靠来自词汇子集上任务特定分数的有限监督，我们的架构能够泛化并将通用分布式向量空间变换以建模词汇蕴含关系。实验在分级词汇蕴含打分上展现出优异性能，将 HyperLex 数据集上的 SOTA 提升了约 25%。
引用
@article{arxiv.1805.09355,
title = {Scoring Lexical Entailment with a Supervised Directional Similarity Network},
author = {Marek Rei and Daniela Gerz and Ivan Vulić},
journal= {arXiv preprint arXiv:1805.09355},
year = {2018}
}
备注
ACL 2018