Compositional approaches for representing relations between words: A comparative study

شناسایی روابطی که بین کلمات (یا نهادهای) وجود دارد برای انجام وظایف مختلف پردازش زبان طبیعی مانند جستجوی مرتبط، طبقه بندی اصلاح اسامی و اصلاح الگویی مهم است. یک رویکرد رایج برای نشان دادن روابط بین یک کلمه از کلمات، استخراج الگوهایی است که کلمات با هم از هم جدا می شوند و هر جفت کلمه یک بردار از فرکانس الگوی را اختصاص می دهد. علیرغم سادگی این رویکرد، از نقص داده، مقیاس پذیری اطلاعات و خلاقیت زبان شناختی رنج می برد زیرا این مدل قادر به اداره جفت کلمه های پیش از نامفهوم در یک جسم نیست. در مقابل، یک رویکرد ترکیبی برای نشان دادن روابط بین کلمات، با استفاده از صفات هر کلمه فرد، این مسائل را برطرف می کند تا به صورت غیرمستقیم نمایندگی را برای روابط مشترک که بین دو کلمه نگه می دارد، تشکیل دهد. این مطالعه با هدف مقایسه عملیات های مختلف برای ایجاد نمایه های ارتباطی از بازنویسی سطح لغات است. ما کارایی روش های ترکیب را با اندازه گیری شباهت های نسبی با استفاده از چندین مجموعه داده های معیار برای لغات لغات، بررسی می کنیم. علاوه بر این، بازنمایی های مختلف ارتباط را در یک کار تکمیل پایگاه دانش ارزیابی می کنیم.