Joint Unsupervised Learning of Semantic Representation of Words and Roles in Dependency Trees

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43949734" target="_blank" >RIV/49777513:23520/17:43949734 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.26615/978-954-452-049-6_052" target="_blank" >http://dx.doi.org/10.26615/978-954-452-049-6_052</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.26615/978-954-452-049-6_052" target="_blank" >10.26615/978-954-452-049-6_052</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Joint Unsupervised Learning of Semantic Representation of Words and Roles in Dependency Trees

Popis výsledku v původním jazyce

In this paper, we introduce WoRel, a model that jointly learns word embeddings and a semantic representation of word relations. The model learns from plain text sentences and their dependency parse trees. The word embeddings produced by WoRel outperform Skip-Gram and GloVe in word similarity and syntactical word analogy tasks and have comparable results on word relatedness and semantic word analogy tasks. We show that the semantic representation of relations enables us to express the meaning of phrases and is a promising research direction for seman- tics at the sentence level.

Název v anglickém jazyce

Joint Unsupervised Learning of Semantic Representation of Words and Roles in Dependency Trees

Popis výsledku anglicky

In this paper, we introduce WoRel, a model that jointly learns word embeddings and a semantic representation of word relations. The model learns from plain text sentences and their dependency parse trees. The word embeddings produced by WoRel outperform Skip-Gram and GloVe in word similarity and syntactical word analogy tasks and have comparable results on word relatedness and semantic word analogy tasks. We show that the semantic representation of relations enables us to express the meaning of phrases and is a promising research direction for seman- tics at the sentence level.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the International Conference Recent Advances in Natural Language Processing, RANLP 2017

ISBN

978-954-452-048-9

ISSN

1313-8502

e-ISSN

neuvedeno

Počet stran výsledku

7

Strana od-do

394-400

Název nakladatele

INCOMA Ltd.

Místo vydání

Shoumen, BULGARIA

Místo konání akce

Varna, Bulgaria

Datum konání akce

2. 9. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—