SenseFitting：面向词义消歧的词嵌入词义级语义专门化
计算与语言
2019-08-01 v1 机器学习
摘要
我们介绍了一种基于SenseFitting的德语词义消歧（WSD）神经网络系统，SenseFitting是一种优化WSD的新方法。我们以高达25%的F1分数优于基于知识的WSD方法，并在德语词义标注数据集WebCAGe上创造了新的最先进水平。我们的方法使用三种特征向量：a)词义、b)释义、c)关系向量来表示目标词义，并将其与样本上下文的向量质心进行比较。利用广泛可用的词嵌入和词汇资源，我们能够弥补德语资源较少的不足。SenseFitting建立在最近引入的语义专门化过程Attract-Repel之上，并利用来自词汇语义网络（如GermaNet）或在线社交词典（如Wiktionary）的词义级语义约束，从预训练词嵌入中生成高质量词义嵌入。我们用为本工作开发的基于SimLex-999的相似度数据集SimSense评估我们的词义嵌入。我们取得的结果优于当前德语基于词目的专门化方法，使其可与英语所达结果相媲美。
引用
@article{arxiv.1907.13237,
title = {SenseFitting: Sense Level Semantic Specialization of Word Embeddings for Word Sense Disambiguation},
author = {Manuel Stoeckel and Sajawel Ahmed and Alexander Mehler},
journal= {arXiv preprint arXiv:1907.13237},
year = {2019}
}
备注
Sketch for LREC 2020 submission