文献

J-GLOBAL ID：201702228225550844   整理番号：17A0157174

低次元セマンティックベクトルモデルに基づく意味類似性測度【JST・京大機械翻訳】

Semantic similarity measurement based on low-dimensional sense vector model

著者 (2件)： Cai Yuanyuan (School of Software Engineering, Beijing Jiaotong University) ,  Lu Wei (School of Software Engineering, Beijing Jiaotong University)
資料名： Zhongguo Kexue Jishu Daxue Xuebao  (Zhongguo Kexue Jishu Daxue Xuebao)
巻： 46  号： 9  ページ： 719-726  発行年： 2016年 
JST資料番号： C2239A  ISSN： 0253-2778  CODEN： CKHPD7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： セマンティック類似性測度は,情報検索の精度と効率を向上させることができ,テキスト処理におけるコアタスクになっている。一つの多義多義問題の問題を解決するために,本論文は,低ベクトルマシンの組合せに基づく意味ベクトルモデルを提案した。このモデルは知識ベースとコーパスのマルチ意味特徴の融合を導入し、主要な意味融合対象は連続的な分散語ベクトルとWORDNET構造からの意味特徴情報を含む。まず第一に,深さ学習技術におけるニューラルネットワークの言語モデルを利用して,テキストコーパスから連続的に低維詞ベクトルを学習する。次に,多くの意味情報と関係情報を,知識ベースのWORDNETから抽出した。次に,セマンティックベクトルを,ベクトル空間に基づくセマンティック類似性測度を実現するために,語義ベクトルに統合した。ベンチマークテストセットに関する実験結果は,提案方法が単一情報源(知識ベースWORDNETまたはテキストコーパス)に基づく意味論的類似性測度より優れていて,ピアソンの相関係数がオリジナルの単語に基づく入れ子ベクトルに基づく方法よりも7.5%高いことを示した。ベクトル特徴レベルにおけるマルチ意味情報の融合は語彙間の意味類似性を測定するのに役立つことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  コーパス ,  *測度 ,  言語モデル ,  文書処理 ,  *ベクトル ,  単語 ,  情報源 ,  *類似性 ,  知識ベース
準シソーラス用語： 語義 ,  意味情報 ,  テキストコーパス ,  *ベクトルモデル ,  *意味類似性 , 【Automatic Indexing@JST】

著者キーワード (4件)： sense vector ,  feature fusion ,  distributed word embedding ,  semantic similarity

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 低次元 ,  ベクトルモデル ,  意味類似性 ,  測度