文献

J-GLOBAL ID：201802246166619693   整理番号：18A0435358

意味関連性のための複数語用語のベクトル表現【Powered by NICT】

Vector representations of multi-word terms for semantic relatedness

著者 (3件)： Henry Sam (Department of Computer Science, Virginia Commonwealth University, 401 S. Main St., Richmond, VA 23284, USA) ,  Cuffy Clint (Department of Computer Science, Virginia Commonwealth University, 401 S. Main St., Richmond, VA 23284, USA) ,  McInnes Bridget T. (Department of Computer Science, Virginia Commonwealth University, 401 S. Main St., Richmond, VA 23284, USA)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 77  ページ： 111-119  発行年： 2018年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,生物医学領域における意味的類似性と関連性のタスクに適用分布文脈ベクトルのいくつかのマルチワード語凝集法の間の比較を提示した。成分単語ベクトルの和,成分単語ベクトルの平均,compoundifyツールを用いた複合項ベクトルの直接構築,MetaMapツールを用いた概念ベクトルの直接構築のマルチワード語凝集方法を比較した。高品質分布文脈ベクトルを構築するとき次元縮小が重要であるので,これらのベースライン共起ベクトルは,特異値分解(SVD)を用いて作製した次元減少ベクトル,単語の連続バッグ(CBOW),およびスキップグラムモデルを用いたword2vec単語埋込みと比較した。もこれらの技術により生成されたベクトルの最適ベクトル次元を見出した。著者らの結果は,試験したマルチワード語凝集法のどれもが統計的に他よりも有意に良好でないことを示した。これはマルチワード語凝集法を選択する際の柔軟性を可能とし,高価なコーパス前処理を回避する可能性がある。結果は,いくつかの標準評価データセットを示し,それらの結果が達成された。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 意味論 ,  自然言語処理 ,  凝集処理 ,  基準線 ,  柔軟性 ,  *ベクトル ,  凝集 ,  次元縮小 ,  前処理 ,  医学 ,  単語 ,  特異値分解 ,  類似性 ,  コーパス
準シソーラス用語： 意味類似性 ,  生物医学 , 【Automatic Indexing@JST】

著者キーワード (3件)： 自然言語処理 ,  意味論的類似性と関連性 ,  分布類似性

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 意味 ,  関連性 ,  用語 ,  ベクトル ,  表現