面向建筑领域的词嵌入
计算与语言
2016-10-31 v1
摘要
我们介绍了面向建筑领域的词向量。我们的向量是通过在从零开始创建的、利用可自由访问的在线建筑相关文本来源的 1100 万词语料库上运行 word2vec 获得的。我们首先探索了嵌入空间，并表明我们的向量捕获了有意义的建筑特定概念。然后，我们在一个伤害报告分类任务的框架下，将我们的向量与在 1000 亿词语料库（Google News）上训练的向量性能进行了评估。无需任何参数调优，我们的嵌入给出了有竞争力的结果，并且在许多情况下优于 Google News 向量。使用基于关键字的报告压缩也带来了显著的速度提升，且仅造成有限的性能损失。我们将为分类任务创建的语料库和数据集公开可用，希望它们能被未来的研究用于基准测试并基于我们的工作构建。
引用
@article{arxiv.1610.09333,
title = {Word Embeddings for the Construction Domain},
author = {Antoine J. -P. Tixier and Michalis Vazirgiannis and Matthew R. Hallowell},
journal= {arXiv preprint arXiv:1610.09333},
year = {2016}
}