面向无监督语义文本相似度的句子元嵌入
计算与语言
2020-06-25 v3
摘要
我们通过将多种预训练句子编码器集成为句子元嵌入，来解决无监督语义文本相似度（STS）任务。我们在句子层面应用、扩展并评估了词嵌入文献中的不同元嵌入方法，包括降维（Yin and Schütze, 2016）、广义典型相关分析（Rastogi et al., 2015）和交叉视图自编码器（Bollegala and Bao, 2018）。我们的句子元嵌入在 STS Benchmark 以及 STS12-STS16 数据集上确立了新的无监督最优性能（SoTA），相比单源系统的皮尔逊相关系数 r 提升了 3.7% 至 6.4%。
引用
@article{arxiv.1911.03700,
title = {Sentence Meta-Embeddings for Unsupervised Semantic Textual Similarity},
author = {Nina Poerner and Ulli Waltinger and Hinrich Schütze},
journal= {arXiv preprint arXiv:1911.03700},
year = {2020}
}