“论文理解6”的版本间的差异
跳到导航
跳到搜索
| 第1行： | 第1行： | ||
《基于词模式嵌入的词语上下位关系》 北大学报 孙佳伟等 2019.1 苏州大学 | 《基于词模式嵌入的词语上下位关系》 北大学报 孙佳伟等 2019.1 苏州大学 | ||
* 1. 文章在短语模式的基础上提出了词模式，融合词模式和词嵌入训练分类模型，有效地提高F值。 | * 1. 文章在短语模式的基础上提出了词模式，融合词模式和词嵌入训练分类模型，有效地提高F值。 | ||
| − | * 2. | + | * 2. 模型将词对间的词用词嵌入表示，分别进行max_pooling、min_pooling和average_pooling，再拼接上词对的词嵌入表示训练一个二元分类器。 |
| + | * 3. 数据集：人工构建的上下位关系正反例约1.27w个（包括同义词林和HowNet爬取，人工构建正例，nlpcc-2017评测正反例，人共构建反例[大类错开、并列下位词]） | ||
| + | * 4. 语料：百度百科和BCC | ||
| + | * 5. 问题：一方面，对于在语料中没有共现句子的词对，max_pooling、min_pooling和average_pooling都设为0，另一方面，词向量在训练分类器时不进行更新，会导致准确偏低。在实际复现过程中也发现效果并没有文中体现的那么好。 | ||
2019年10月25日 (五) 08:42的版本
《基于词模式嵌入的词语上下位关系》 北大学报 孙佳伟等 2019.1 苏州大学
- 1. 文章在短语模式的基础上提出了词模式，融合词模式和词嵌入训练分类模型，有效地提高F值。
- 2. 模型将词对间的词用词嵌入表示，分别进行max_pooling、min_pooling和average_pooling，再拼接上词对的词嵌入表示训练一个二元分类器。
- 3. 数据集：人工构建的上下位关系正反例约1.27w个（包括同义词林和HowNet爬取，人工构建正例，nlpcc-2017评测正反例，人共构建反例[大类错开、并列下位词]）
- 4. 语料：百度百科和BCC
- 5. 问题：一方面，对于在语料中没有共现句子的词对，max_pooling、min_pooling和average_pooling都设为0，另一方面，词向量在训练分类器时不进行更新，会导致准确偏低。在实际复现过程中也发现效果并没有文中体现的那么好。