Textual embeddings with word-type-weighted word2vec and graph neural networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F25%3A00643745" target="_blank" >RIV/67985807:_____/25:00643745 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21240/25:00386773

Výsledek na webu

<a href="https://ceur-ws.org/Vol-4092/paper8.pdf" target="_blank" >https://ceur-ws.org/Vol-4092/paper8.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Textual embeddings with word-type-weighted word2vec and graph neural networks

Popis výsledku v původním jazyce

The increasing use of neural networks for semantic text analysis highlights the need for more efficient methods without compromising quality. We propose a lightweight approach combining traditional word embeddings with graph convolutional networks (GCNs) to improve sentence similarity recognition. By incorporating syntactic information, such as parts of speech and grammatical functions, our method reduces computational demands at least 2.5 times while maintaining accuracy, when tested statistically indifferent to larger models.

Název v anglickém jazyce

Textual embeddings with word-type-weighted word2vec and graph neural networks

Popis výsledku anglicky

The increasing use of neural networks for semantic text analysis highlights the need for more efficient methods without compromising quality. We propose a lightweight approach combining traditional word embeddings with graph convolutional networks (GCNs) to improve sentence similarity recognition. By incorporating syntactic information, such as parts of speech and grammatical functions, our method reduces computational demands at least 2.5 times while maintaining accuracy, when tested statistically indifferent to larger models.

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

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 25th Conference Information Technologies – Applications and Theory (ITAT 2025)

ISBN

—

ISSN

1613-0073

e-ISSN

—

Počet stran výsledku

9

Strana od-do

105-113

Název nakladatele

Technical University & CreateSpace Independent Publishing

Místo vydání

Aachen

Místo konání akce

Telgárt

Datum konání akce

26. 9. 2025

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—