用于评估跨语言词嵌入的 Wasserstein 距离
计算与语言
2019-11-12 v2
摘要
词嵌入是捕获词语在向量空间中语义相似性的高维向量表示。现有若干算法可用于为单一语言以及多种语言联合学习此类嵌入。本文中，我们提出通过使下游自然语言任务适配最优传输框架来评估嵌入集合。我们展示了如何运用 Wasserstein 距离族来解决跨语言文档检索与跨语言文档分类问题。我们论证了相较于双语词典归纳等更传统的嵌入评估方法，该方法的优势。我们的实验结果表明，在这些问题上使用 Wasserstein 距离优于若干强基线，并与最先进（state-of-the-art）模型表现相当。
引用
@article{arxiv.1910.11005,
title = {Wasserstein distances for evaluating cross-lingual embeddings},
author = {Georgios Balikas and Ioannis Partalas},
journal= {arXiv preprint arXiv:1910.11005},
year = {2019}
}