从文本嵌入空间的分布结构揭示视觉-语义心理语言学属性
计算与语言
2025-08-08 v2
摘要
意象性（文本唤起心理图像的潜能）和具体性（文本的感知性）是连接视觉与语义空间的两种心理语言学属性。估计这些属性的计算方法使用平行的视觉与语义空间（如图像-文本对集合或多模态模型）来完成这一任务，这并不令人意外。在本文中，我们基于这样一个假设：图像-文本数据集中的文本本身提供了准确估计这些属性的充分信号。我们特别假设，一个词在语义嵌入空间中邻域的尖锐度反映了其意象性和具体性程度。然后，我们提出了一种无监督、无分布的度量方法，称为邻域稳定性度量（NSM），用于量化这种峰值尖锐度。大量实验表明，NSM 与真实评分的相关性比现有的无监督方法更强，并且是这些属性分类的强预测因子。我们的代码和数据可在 GitHub (https://github.com/Artificial-Memory-Lab/imageability) 获取。
引用
@article{arxiv.2505.23029,
title = {Uncovering Visual-Semantic Psycholinguistic Properties from the Distributional Structure of Text Embedding Space},
author = {Si Wu and Sebastian Bruch},
journal= {arXiv preprint arXiv:2505.23029},
year = {2025}
}
备注
The camera-ready version for ACL 2025 in Vienna