マルチリンガルとマルチモーダル情報を利用したBabelNet SynsetsのためのSememe予測【JST・京大機械翻訳】

Qi Fanchao; Lv Chuancheng; Liu Zhiyuan; Meng Xiaojun; Sun Maosong; Zheng Hai-Tao

プレプリント

J-GLOBAL ID：202202208509963600 整理番号：22P0304076

マルチリンガルとマルチモーダル情報を利用したBabelNet SynsetsのためのSememe予測【JST・京大機械翻訳】

Sememe Prediction for BabelNet Synsets using Multilingual and Multimodal Information

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月14日プレプリントサーバーでの情報更新日： 2022年03月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

言語学では,語義は言語の最小意味単位として定義される。セームで語を手動で注釈付けすることによって構築される,Sememe知識ベース(KB)は,様々なNLPタスクに首尾よく適用されている。しかしながら,既存のセームKBは,セームの幅広い利用を妨げるいくつかの言語をカバーするだけである。この課題に取り組むために,BabelNet synsets(SPBS)のためのセメーム予測のタスクを提示して,マルチリンガルエンシクロペディア辞書であるBabelNetに基づく多言語セメームKBを構築した。BabelNet synsetのためのセームを自動的に予測することによって,シンセットにおける多くの言語における単語は,同時にセームアノテーションを得るであろう。しかし,以前のSPBS法はBabelNetにおける豊富な情報を十分に利用していない。本論文では,SPBSのためのBabelNetにおける多言語同義語,多言語光沢および画像を利用した。セーム予測のためにこの情報を符号化し,結合するためにマルチモーダル情報融合モデルを設計した。実験結果は,以前の方法(約10MAPとF1スコア)に対する著者らのモデルの実質的な性能を示している。本論文のすべてのコードとデータは,https://github.com/thunlp/MSGIで得ることができる。【JST・京大機械翻訳】

, , , , , ,
, , 【Automatic Indexing@JST】

自然語処理 , 人工知能

, ,

前のページに戻る