SeVeN：以无监督关系向量增强词嵌入
计算与语言
2018-08-21 v1
摘要
我们提出SeVeN（语义向量网络，Semantic Vector Networks），一种以图的形式编码词间关系的混合资源。不同于传统语义网络，这些关系在连续向量空间中表示为向量。我们提出了一种学习此类关系向量的简单流程，其基于词向量平均结合一个特定的自编码器。我们表明，通过在专用向量空间中显式编码关系信息，可以捕捉到词嵌入所捕获意义之外的互补方面。例如，通过考察关系向量的聚类，我们观察到关系相似性可在比传统词向量差分更抽象的层面上被识别。最后，我们在两项任务中测试了语义向量网络的有效性：度量词相似度与神经文本分类。SeVeN可在bitbucket.org/luisespinosa/seven获取。
引用
@article{arxiv.1808.06068,
title = {SeVeN: Augmenting Word Embeddings with Unsupervised Relation Vectors},
author = {Luis Espinosa-Anke and Steven Schockaert},
journal= {arXiv preprint arXiv:1808.06068},
year = {2018}
}