Phrase embedding learning based on external and internal context with compositionality constraint

روش های مختلف برای یادگیری تعبیر عبارت است، که عمدتا به دو رشته تقسیم می شود. رشته اول بر مبنای فرضیه توزیعی است که عبارت را به عنوان یک واحد غیر قابل تقسیم پذیری تعبیر می کند و تعبیر کردن عبارت براساس ساختار خارجی آن مشابه یادگیری تعبیر کلمه است. با این حال، روش های توزیع نمیتوانند از اطلاعاتی که در کلمات جزء تعبیه شده اند استفاده کنند و همچنین با مشکل عددی اطلاعات مواجه می شوند. رشته دوم بر مبنای اصل ترکیب بودن به منظور تعمیم تعبیر تعبیر بر مبنای تعبیر لغات جزء آن استوار است. روش های ترکیبی اگر یک عبارت غیر ترکیب باشد، نتیجه اشتباه را می دهد. در این مقاله، یک روش ترکیبی با ترکیبی خطی از مولفه توزیع و مولفه ترکیب با یک محدودیت ترکیب بندی عبارتی را پیشنهاد می کنیم. ترکیبی از عبارت به صورت خودکار بر اساس تعبیه توزیع کننده عبارت و لغات جزء آن محاسبه می شود. ارزیابی در پنج وظیفه معنی معنایی و آزمایشات نشان می دهد که روش پیشنهادی ما بهترین عملکرد را دارد. مهمتر از همه، روش ما قوی تر است زیرا آن را کمتر به داده های حساس حس می کند.