Take 与 Took、Gaggle 与 Goose、Book 与 Read：评估向量差分在词汇关系学习中的效用
计算与语言
2016-08-16 v4
摘要
近期关于词嵌入的研究表明，尽管缺乏显式监督，在预训练嵌入上进行简单的向量减法却能出人意料地有效捕捉不同的词汇关系。先前工作使用词语类比预测形式和人工选择的关系来评估这一有趣的结果，但该发现在更广泛的词汇关系类型和不同学习设置下的普适性尚未得到评估。在本文中，我们在两种学习设置下进行了这样的评估：(1) 使用谱聚类来归纳词关系，以及 (2) 使用监督学习将向量差分分类为关系类型。我们发现词嵌入捕捉到了惊人的信息量，并且在适当的监督训练下，向量减法能很好地泛化到广泛的关系类型，包括未见过的词汇项。
引用
@article{arxiv.1509.01692,
title = {Take and Took, Gaggle and Goose, Book and Read: Evaluating the Utility of Vector Differences for Lexical Relation Learning},
author = {Ekaterina Vylomova and Laura Rimell and Trevor Cohn and Timothy Baldwin},
journal= {arXiv preprint arXiv:1509.01692},
year = {2016}
}