کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4942410 1437249 2017 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A study of metrics of distance and correlation between ranked lists for compositionality detection
ترجمه فارسی عنوان
مطالعه معیارهای فاصله و همبستگی بین لیست های رتبه بندی برای تشخیص ترکیب بودن
کلمات کلیدی
تشخیص ترکیبیت، معیارهای فاصله و همبستگی،
ترجمه چکیده
ما روش جدید تشخیص ترکیبی را پیشنهاد می کنیم که عبارات را به عنوان لیست های وزن ترم های رتبه بندی ارائه می دهد. روش ما تقریبی شباهت معنایی بین دو نمایندگی لیست رتبه بندی را با استفاده از طیف وسیعی از معیارهای شناخته شده فاصله و معیارهای همبستگی تقریب می کند. در مقابل بیشتر روش های پیشرفته ترین در تشخیص ترکیب، روش ما به طور کامل تحت نظارت نیست. آزمایشات با یک مجموعه داده عموم آزاد از 1048 عبارات حاشیه نویسی انسانی نشان می دهد که در مقایسه با رشته های قوی تحت نظارت، رویکرد ما اندازه گیری برتر از ترکیب را با استفاده از هر یک از معیارهای فاصله و همبستگی در نظر گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
مطالعه معیارهای فاصله و همبستگی بین لیست های رتبه بندی برای تشخیص ترکیب بودن
چکیده انگلیسی
We propose a new compositionality detection method that represents phrases as ranked lists of term weights. Our method approximates the semantic similarity between two ranked list representations using a range of well-known distance and correlation metrics. In contrast to most state-of-the-art approaches in compositionality detection, our method is completely unsupervised. Experiments with a publicly available dataset of 1048 human-annotated phrases shows that, compared to strong supervised baselines, our approach provides superior measurement of compositionality using any of the distance and correlation metrics considered.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Cognitive Systems Research - Volume 44, August 2017, Pages 40-49
نویسندگان
, ,